¿Tu dispositivo te está escuchando? Es más complicado que solo ‘Sí’ o ‘No’

Está más influenciado por datos y patrones pasados ​​que las conversaciones actuales.

Nota del editor: el  consultor de la industria Shelly Palmer está tomando su popular boletín y lo está convirtiendo en un artículo de Adweek una vez por semana en una columna en curso titulada «Piensa en esto».

En una cena reciente, un ejecutivo consumado contó una historia sobre cómo él y su esposa estaban seguros de que sus dispositivos estaban escuchando sus conversaciones.

«Estaba hablando con mi esposa sobre un par de zapatos de diseñador que quería comprar, y no 10 minutos después, mientras investigaba en línea por trabajo, vio un anuncio para ese par de zapatos exactos», dijo. “Ella no había buscado los zapatos; el anuncio acaba de aparecer. Claramente, nuestras computadoras o nuestros teléfonos están escuchando ”.

Escuché cortésmente durante unos minutos, mientras otros invitados compartían sus propias versiones de anécdotas de «estado de vigilancia». Entonces, hablé.

“¿Cuál crees que es más probable? Existe un software secreto que infringe unas 20 leyes locales, estatales y federales de vigilancia y privacidad diferentes, que ni yo ni ninguno de mis clientes conocemos, pero que mis clientes, mis clientes y otros anunciantes utilizan secretamente para transmitir el mensaje correcto. delante de ti en el momento correcto en el lugar correcto? O, gracias a sus comportamientos en línea (y las políticas de privacidad, los términos y condiciones que ha acordado), tenemos acceso a conjuntos de datos enriquecidos y nuestros modelos predictivos y herramientas de aprendizaje automático han evolucionado tan rápido que tenemos una capacidad asombrosa para comprender su comportamientos lo suficientemente bien como para poner el mensaje correcto frente a usted en el momento correcto en el lugar correcto?

Nadie está escuchando sus conversaciones con ninguna herramienta que se utilizará para poner mensajes publicitarios o contenido frente a usted.

Esto genera más preguntas de la fiesta. “¿Qué es un conjunto de datos enriquecidos?”  “¿Qué es el comportamiento en línea?” “¿Qué es un modelo predictivo?” “¿De qué tipo de aprendizaje automático estás hablando?” “¿Es eso IA?” Y mi favorito: “¿Cómo ¿Sabes de qué he estado hablando con mis amigos?

Conjuntos de datos enriquecidos

Los datos son más potentes en presencia de otros datos, y gran parte de nuestros datos son públicos: dirección (directorio telefónico), automóviles (listas de garantía), propiedad versus alquiler (registros públicos), trabajo (datos de ubicación de su teléfono, LinkedIn u otro sitios web públicos), de cuántas personas es responsable (deducido de sus datos de compra), qué ordenó para la cena (a través de publicaciones en las redes sociales), dónde cenó (información de la tarjeta de crédito, que es legal obtener si la empresa tiene un relación comercial con usted), la cantidad de deuda que tiene (un informe de crédito), su puntaje de crédito (organizaciones de informes de crédito), etc.

Cuantos más datos tenga, más precisas serán sus predicciones. Pero ahora agreguemos comportamientos en línea.

Comportamientos en línea

Cuando hace clic en algo, exhibe un comportamiento en línea, se detiene mientras se desplaza por un sitio de redes sociales para mirar un meme o mensaje, desliza hacia la izquierda o hacia la derecha, toca un icono en su teléfono inteligente, levanta su teléfono inteligente (acelerómetro), camina o corre usando una aplicación de salud (GPS), hablando con Siri, Alexa, Google, Cortana o Bixby, o jugando un juego de cualquier tipo en cualquier dispositivo. Todos estos comportamientos son capturados, registrados y utilizados para enriquecer su perfil.

Sin embargo, su perfil enriquecido no está en un solo lugar, y todas las empresas que desean enviarle un mensaje específico hacen todo lo posible para crear una vista única del cliente. Esto incluye combinar el perfil de datos enriquecido más robusto posible. Cuanto mejor sea el perfil, mejores serán las predicciones.

Modelos predictivos

La mayoría de los modelos predictivos se dividen en dos categorías generales: clasificación y regresión.

Los algoritmos de clasificación identifican datos nuevos como pertenecientes a una clase o categoría específica. Hay clasificaciones binarias (dos resultados posibles, como masculino / femenino) y hay clasificaciones de varias clases (datos que pueden pertenecer a múltiples clases o categorías). Esto es más o menos análogo a una persona que pregunta: «¿Qué es esto?», Luego piensa en ello y declara: «Oh, es una taza. Déjame ponerlo en el armario.

Usted forma parte de varias clases que incluyen a sus familiares, amigos y comunidades de interés. Si te han colocado matemáticamente en una clase con personas que probablemente estén discutiendo sobre zapatos de diseñador, verás anuncios de zapatos de diseñador. ¿Es una coincidencia que solo estuvieras hablando de zapatos de diseñador? No. El algoritmo tenía una confianza del 92% de que tenías una probabilidad del 71% de hablar sobre zapatos de diseñador.

El análisis de regresión puede usarse para inferir relaciones entre variables independientes y dependientes. Si conozco muchas cosas sobre usted, como sus ingresos, código postal, pago mensual de la hipoteca, tipo de automóvil que conduce, edad y sexo, puedo usar el análisis de regresión para predecir qué automóvil es más probable que quiera comprar o arrendar próximo.

Aprendizaje automático e IA

Conoces tu negocio, tus clientes, tu industria. Una hoja de cálculo de 10 por 10 con los números describiría las cosas que ha experimentado en la vida real, y podría explicar (utilizando el lenguaje de las artes y las letras, no el lenguaje de las matemáticas) lo que significan los números.

Sin embargo, si ese conjunto de datos tenía 25,000 columnas por 25 millones de filas, no hay forma de que alguien pueda ver o interpretar los datos. Por eso se llama big data.

Para mirar datos grandes, necesitas computadoras. Y para que los datos sean procesables, puede enseñar a las máquinas a hacer análisis predictivos. Las máquinas pueden aprender ahora, y el análisis predictivo es una de las cosas que las máquinas aprenden a hacer muy bien.

Por qué crees que tus dispositivos te están escuchando

Todo esto nos lleva de vuelta a la gran pregunta: ¿Big Tech ahora es Big Brother?

Con respecto a sus conversaciones sonoras privadas, es decir, palabras habladas que pueden ser grabadas e interpretadas, a menos que esté bajo la vigilancia de una agencia gubernamental con una orden judicial o sea ilegalmente escuchado, nadie está escuchando sus conversaciones con ninguna herramienta que se utilizará poner mensajes publicitarios o contenido frente a usted.

Sin embargo, cualquier otro dispositivo en su mundo (incluidos Alexa y el Asistente de Google después de decir las palabras de activación) toma cualquier comportamiento que exhiba y cualquier información que pueda recopilarse sobre usted y lo usa para hacer predicciones sobre sus comportamientos. Entonces, en la práctica, todo te está «escuchando», solo que no humanos en habitaciones con auriculares. Es más como las computadoras en los centros de datos que usan IA.

Qué hacer al respecto

Ahora viene la parte difícil. Tenemos que determinar si los beneficios de la mensajería precisa y la conveniencia de que nuestras máquinas nos conozcan al nivel más íntimo justifiquen los riesgos. Las drogas de diseño creadas a partir de nuestro propio ADN parecen geniales. Las herramientas que pueden leer nuestras emociones y ayudarnos a enfrentar problemas complejos parecen aterradoras, pero también geniales. Los autos sin conductor que saben a dónde vamos y cómo nos gusta viajar también parecen increíbles.

Todo esto requiere que la gran tecnología tenga acceso ilimitado a nuestros datos. ¿Debería? Si es así, ¿qué datos? ¿De quién son los datos? En los próximos años, vamos a tener que votar, principalmente con nuestras billeteras, sobre esto. Nuestros funcionarios electos también tendrán que lidiar con eso.