Множественное «я»: как рекомендательные алгоритмы меняют мир и нас самих

Я не особо обращаю внимание на бесконечный поток рекомендаций от Amazon, Netflix, Spotify и большинства других онлайн-компаний. Иногда всплывает книга, фильм или песня, которые меня впечатляют, но большинство предложений либо не попадают в цель, либо выглядят подозрительно выгодными для операторов рекомендательных систем и их рекламодателей.

Научный сотрудник школы менеджмента Слоуна в MIT Майкл Шраге делится восхитительным открытием в своей последней книге «Механизмы рекомендаций». «Рекомендация вдохновляет на инновации: это случайное предположение — вот сюрприз — меняет не только ваш взгляд на мир, но и ваше восприятие и понимание себя. Успешные рекомендации помогают открыть мир и себя, — пишет Шраге во введении. — Рекомендованное — это не только то, что мы могли бы захотеть купить, это то, кем мы могли бы захотеть стать».

Если это попахивает техно-утопизмом, то эта идеология действительно пронизывает всю книгу. По большей части, однако, оптимизм Шраге основан на мощном эффекте, который рекомендации производят уже сейчас, и он уравновешивает этот оптимизм признанием, что ими вполне можно злоупотреблять. 

Сегодня эти мощные эффекты проявляются в основном в торговле. Так, одно исследование выявило, что рекомендации приносят примерно 30% мировых доходов от электронной торговли. Другое обнаружило, что интернет-покупатели совершают покупку в 4,5 раза чаще, кликая на рекомендованное, а в третьем говорится, что «настойчивые рекомендации» обеспечивают примерно треть продаж Amazon.

Шарге также приводит три тематических исследования по Spotify, ByteDance и Stitch Fix, которые не только показывают, как создаются рекомендации, но и иллюстрируют центральную роль, которую они играют в бизнес-моделях и успехе этих компаний. Spotify Discover Weekly, который создает полностью персонализированный плейлист из 30 рекомендуемых треков для каждого из своих 280 миллионов пользователей, побуждает их прослушать более 1 млрд песен за первые 10 недель. Douyin от ByteDance (известный как TikTok за пределами Китая) и агрегатор новостей Toutiao входят в список самых популярных приложений в мире, и оба основаны на механизме рекомендаций. Компания Stitch Fix, основанная в 2011 году, в 2018 году продала одежды на $1,25 млрд благодаря механизму рекомендаций.

«Примечательно, не правда ли, как триллионный рыночный потенциал и способность влиять как на поп-культуру, так и на покупки во всем мире могут мотивировать исследования предпринимательства? — замечает Шраге. — Джефф Безос, Джек Ма, Рид Хоффман, Катрина Лейк, Дэниел Эк, Марк Цукерберг и Рид Хастингс устроили цифровую революцию не случайно. Их организации придумали рекомендации, которые коренным образом изменили ожидания и опыт клиентов в отношении выбора».

Как и следовало ожидать, этой возможностью влиять на поведение людей таким эффективным и прибыльным образом сразу бросились злоупотреблять. Как и Касс Санстейн, познакомивший многих бизнес-читателей с концепцией «подталкивания», Шраге не уклоняется от потенциальных проблем с подталкиванием в системах рекомендаций. «Настроить рекомендации в пользу одного бренда, фильма, ресторана, человека или песни не сложно. Всего одна строчка кода — и готово, — пишет он. — Системы рекомендаций, не предлагающие реального выбора — мошеннические. Даже если пользователям якобы «нравится» то, что они видят, это все равно не их выбор. Их просто облапошили».

Тем не менее, Шраге помещает большую часть критики системы рекомендаций в уста наблюдателей, которых он называет «рекомендофобами», например, израильского историка и футуриста Юваля Ноя Харари. Шраге также призывает Джеффа Безоса защищать рекомендации — цитируя его заявление об обязательстве Amazon не манипулировать клиентами («мы не зарабатываем деньги, продавая вещи. Мы зарабатываем деньги, помогая клиентам принять решение о покупке»). К сожалению, в 2020 году это звучит не слишком убедительно, учитывая не прекращающиеся обвинения Amazon в том, что они позиционируют свои продукты выше, чем товары других компаний и продавцов.

Но давайте предположим, что игроки, злоупотребляющие механизмами рекомендаций, в конечном итоге будут пойманы и отвергнуты (я полагаю, благодаря способности свободных рынков к саморегуляции). Как тогда будет выглядеть будущее системы рекомендаций?

«Рекомендации станут огнем и топливом для трансформации человеческого капитала, — прогнозирует Шраге. — Приближается день, когда… более детализированные данные и аналитика станут важными ингредиентами для повышения личной продуктивности и производительности. Инновационные, любопытные, коммуникативные и другие «я», добавляющие ценность, будут получать в нужные моменты правильные сигналы, подталкивания и рекомендации, созданные искушенным личным софтом».

По мнению Шраге, этот «личный софт» или программное обеспечение для самоанализа поможет каждому из нас развить «множественные я». Что такое множественное я? «Множественное я лучше всего определить как цифровую версию себя с одним или несколькими личными измерениями, намеренно разработанными для того, чтобы значительно превзойти обычное, типичное или среднее «я», — пишет Шраге.

В качестве примера Шраге описывает менеджера проекта, которая стремится укрепить сотрудничество и дух своей команды. Она использует программное обеспечение для самоанализа, которое изучает ее социальные сети, расставляет приоритеты по этапам проекта и анализирует общение после собраний, чтобы предложить полезный ежедневный чеклист. Еще пример? Руководитель, чьи письменные сообщения лишены изюминки, делится своими записями с личным софтом, который предлагает изменить текст к лучшему. (Эй, это же моя работа.)

Независимо от того, материализуется ли это будущее (и закончится ли моя карьера) или нет, система рекомендаций открывает глаза читателям, которые, как и я, считают бесконечные предложения того, «что купили люди, похожие на вас» слегка навязчивыми и лишь изредка полезными. Кто знает? Может быть, даже скептики (или их множественные я) в скором времени примут господство системы рекомендаций.

Источник