Ознакомительная версия. Доступно 45 страниц из 224
Новые и уже существующие компании всех отраслей, в том числе розничной торговли, финансов, фитнеса, страхования, автомобилестроения, транспорта, гостиничного бизнеса, здравоохранения и образования, вступают на тропу, ведущую к надзорным доходам, соблазненные приманкой неслыханного роста, прибылей и обещанием щедрого вознаграждения, которое могут дать только финансовые рынки. В следующих главах мы рассмотрим множество примеров, почерпнутых из этих отраслей.
Другая тенденция состоит в том, что надзор с целью захвата и продажи поведенческого излишка становится самостоятельной услугой. Часто эти компании относят к категории «программное обеспечение как услуга» (software as a service, SaaS), но точнее было бы называть эту систему «надзор как услуга» (surveillance as a service, SVaaS). Например, новый подход к кредитованию с помощью специального приложения мгновенно определяет качество заемщика, основываясь на детальном анализе смартфона и поведения в интернете, включая тексты, электронные письма, GPS-координаты, сообщения в социальных сетях, профили Facebook, розничные транзакции и шаблоны связи[486]. В качестве источников данных могут использоваться такие интимные подробности, как частота зарядки батареи телефона, количество получаемых вами сообщений, перезваниваете ли вы и когда именно, сколько контактов вы занесли в свой телефон, как вы заполняете онлайн-формы или сколько миль вы проезжаете каждый день. Эти поведенческие данные позволяют выявить тонкие закономерности, которые предсказывают вероятность выплаты или невыплаты кредита и, таким образом, обеспечивают постоянную разработку и уточнение алгоритмов. Двое экономистов, которые исследовали этот подход, обнаружили, что подобные излишки создают прогностическую модель, сравнимую с традиционным кредитным скорингом, отмечая, что «этот метод измеряет разнообразнейшие аспекты поведения, которые обычно считаются „мягкой“ информацией, что делает ее законной добычей для формальных структур»[487]. «Вы проникаете внутрь и можете по-настоящему понять повседневную жизнь этих клиентов», – пояснил генеральный директор одной кредитной компании, которая анализирует 10 000 сигналов на одного клиента[488].
Изначально подобные методы были разработаны для рынков в Африке, чтобы помочь претендовать на займы тем, кто не имел доступа к банковским услугам и чье качество с точки зрения предоставления им кредита было неизвестно. Одна кредитная группа провела опрос потенциальных клиентов в странах с низким уровнем дохода и пришла к выводу, что эксплуатировать отягощенных проблемами бедняков будет нетрудно: «Большинство заявили, что без проблем поделятся личными данными в обмен на столь необходимые средства». Но эти стартапы, связанные с кредитованием на основе приложений, как правило, создаются и финансируются в Кремниевой долине, и поэтому неудивительно, что упомянутые методы стали частью более широкой тенденции эксплуатации американских семей, экономически истощенных финансовым кризисом и неолиберальными рецептами жесткой экономии. Как сообщает газета Wall Street Journal, новые стартапы вроде Affirm, LendUp и ZestFinance, «используют данные из таких источников, как социальные сети, онлайн-поведение и брокеры данных, чтобы определить кредитоспособность десятков тысяч американских потребителей, которые не имеют доступа к ссудам» – еще одно свидетельство того, что права на принятие решений и конфиденциальность, которую они обеспечивают, стали роскошью, которую слишком многие не могут себе позволить[489].
Другой пример надзора как услуги – фирма, которая продает глубокую проверку потенциальных сотрудников и арендаторов работодателям и арендодателям. Скажем, потенциальный жилец получает запрос от будущего арендодателя, который требует от нее предоставить полный доступ ко всем профилям социальных сетей. Затем служба «подчистую собирает все ваши действия на этих сайтах», включая полные цепочки разговоров и личных сообщений, пропускает их программное обеспечение, занимающееся обработкой естественного языка, и в итоге выдает отчет, перечисляющий все – от ваших психологических особенностей до вашего «уровня финансового стресса», включая раскрытие защищенной информации о статусе, такой как беременность и возраст. У затронутых лиц нет возможности просматривать или оспаривать эту информацию. Как и в случае с цифровыми кредиторами, хотя потенциальный съемщик должен формально «согласиться» на услугу, именно те, у кого меньше денег и меньше вариантов, попадают в ловушку этой фаустовской сделки, в которой приватность разменивается на право участия в социальной жизни. «Люди откажутся от приватности, чтобы получить то, что они хотят», – восторгается генеральный директор этой сервисной фирмы[490].
Еще одна вариация на тему SVaaS использует науку о данных и машинное обучение для поиска поведенческого излишка в интернете – либо на продажу, либо для анализа и изготовления прибыльных прогнозных продуктов. Правовед Фрэнк Паскуале называет это «темным рынком персональных данных»[491]. Например, компания hiQ продает свои прогнозные продукты кадровикам корпораций. Она собирает в интернете информацию, касающуюся сотрудников фирмы-клиента, включая данные из социальных сетей и общедоступные данные; затем ее «движок обработки данных извлекает из этого шума сильные сигналы, указывающие на то, что кто-то может вот-вот сбежать». Модели машинного обучения присваивают каждому сотруднику показатель риска, что позволяет клиентам «с ювелирной точностью выявлять сотрудников, подверженных наибольшему риску…» Компания утверждает, что она предоставляет «волшебное зеркало» и что ее прогнозы «практически идентичны» фактическому обороту кадров. Располагая предоставленной hiQ информацией, компании могут принять превентивные меры. Они могут предпринять попытку удержать сотрудника или могут предпочесть заранее уволить того, кто, по прогнозам, все равно «сбежит»[492].
Ознакомительная версия. Доступно 45 страниц из 224
