Перейти к основному содержанию

Данные, принадлежащие клиентам. Искусственный интеллект, принадлежащий клиентам.

Дискуссии о конфиденциальности данных в основном были сосредоточены на защите отдельных лиц. Это по-прежнему важно, но этого уже недостаточно. По мере развития аналитических платформ и систем искусственного интеллекта неизбежно возникает новый вопрос: Кому принадлежит информация, полученная из бизнес-данных?

Вопрос часто формулируется как сравнительный анализ. Если имеется достаточно данных по аналогичным предприятиям, регионам или отраслям, следует ли использовать их для выявления тенденций, передового опыта или базовых показателей эффективности? С технической точки зрения это вполне возможно.

С принципиальной точки зрения, это неприемлемо.

Для бенчмаркинга необходимо повторное использование. Повторное использование подразумевает, что операционные данные одного клиента, прямо или косвенно, улучшают результаты другого. Даже когда исходные данные анонимизированы и никогда не передаются, совместное обучение модели и глобальная оптимизация все равно приносят пользу.

Это не вопрос конфиденциальности в традиционном смысле. Никто не идентифицируется. Никакие персональные данные не разглашаются. Тем не менее, конкурентная информация создается и распространяется.

Современные аналитические системы фиксируют поведенческие модели, пространственную динамику и операционные показатели с течением времени. Накопленные в больших масштабах, эти данные становятся точным отражением того, как бизнес функционирует в конкретном контексте. По своей природе эта информация является конфиденциальной.

Таким образом, основной принцип прост:

Данные, принадлежащие клиенту, должны использоваться только для построения моделей для этого клиента.
Любая информация, полученная на основе этих данных, должна оставаться исключительной для данного клиента.

Этот принцип применим к исходным данным, производным признакам, поведенческим абстракциям и обученным моделям ИИ. Само обучение модели является формой использования данных. Если модели используются совместно, то и ценность используется совместно.

Данная позиция не препятствует использованию внешних или общедоступных наборов данных. Погода, экономические показатели, демографическая статистика, расписания движения транспорта и географические данные описывают окружающую среду. Они не описывают деятельность клиента.

Общедоступная информация может быть предоставлена. Информация, являющаяся собственностью компании, может быть недоступна.

Этот подход выходит за рамки простого соблюдения нормативных требований. Законы определяют минимальные обязательства. Доверие требует более четких границ.

По мере масштабирования систем искусственного интеллекта возникает сильный стимул к агрегированию и обобщению. Противодействие этому стимулу — это осознанный выбор в процессе проектирования. Он ставит во главу угла автономию клиента, а не использование возможностей платформы.

Аналитика должна повышать конкурентоспособность клиентов, а не делать их более прозрачными для конкурентов.

Именно этот принцип и устанавливает данный манифест.

Вопрос, который задают все, — и почему ответ на него важен.​

По мере развития аналитических платформ часто возникает, казалось бы, вполне закономерный вопрос:

Если собрать достаточно данных по множеству компаний, разве не должно быть возможности сравнить их показатели?
Если в крупных городах расположены сотни магазинов класса люкс, разве нельзя определить, какие места показывают наилучшие результаты, какие планировки обеспечивают более высокую конверсию или какие модели потока посетителей свидетельствуют об успехе?

С чисто технической точки зрения ответ кажется очевидным. При наличии достаточного количества данных можно построить модели. Можно выявить тенденции. Можно выявить закономерности. Можно провести сравнения.

И именно здесь начинается проблема.

То, что кажется «отраслевым бенчмаркингом», на самом деле представляет собой повторное использование операционной реальности одного клиента для принятия решений другим. Динамика посещаемости магазина класса люкс в Париже становится учебным материалом. Показатели эффективности работы арендаторов торгового центра в одном городе становятся эталоном. Поведение пассажиров в аэропорту становится базовым показателем.

Ничего личного не раскрывается. Ничего, что можно было бы идентифицировать, не разглашается. И всё же передаётся нечто гораздо более ценное.

Неприятная правда заключается в следующем: Для проведения сравнительного анализа требуются данные, предоставленные кем-то другим.И когда эти данные отражают реальные показатели работы бизнеса в реальном месте, они перестают быть нейтральными. Они становятся конфиденциальной информацией.

Вот почему ответ неверный. «Мы его ещё не построили», Но «Мы его строить не будем».

Не потому, что это технически сложно.
Не потому, что на него нет рыночного спроса.
Но потому что это нарушает фундаментальную границу: Ваши данные существуют для того, чтобы улучшить ваши решения, а не решения кого-то другого.

Как только эта граница пересечена, платформа перестает предоставлять своим клиентам равные услуги. Она незаметно превращает одних клиентов в источники данных, а других — в получателей выгоды.

Именно эту черту и призван провести данный манифест.

Наша позиция — четкая и не подлежащая обсуждению.​

Защита данных — это уже не только вопрос конфиденциальности. люди.
Это о бизнес-аналитика, конкурентная динамика и стратегическое преимущество.

В то время как нормативные акты направлены на защиту отдельных лиц, гораздо более ценный ресурс незаметно упускается из виду:

Операционные данные, принадлежащие клиентам, и информация, полученная на их основе.

В этом манифесте изложен твердый принцип:

Ваши данные. Ваш интеллект. Ваш ИИ. Только для вашего использования.

Помимо личной конфиденциальности​

Мы всецело поддерживаем и обеспечиваем защиту частной жизни граждан:

  • Личная идентификация не требуется.
  • Биометрическое хранилище отсутствует.
  • Повторная идентификация не требуется.
  • Отсутствие злоупотреблений в сфере слежки

Но это недостаточно.

Современные аналитические системы наблюдают:

  • модели потока посетителей
  • Поведение во время пребывания
  • Динамика конверсии
  • Эффективность очередей
  • Временные и пространственные корреляции

При агрегировании по времени это становится стратегические знания в области бизнеса — знания, которые могут:

  • Раскрыть эластичность спроса
  • Прогнозирование показателей выручки
  • Выявление операционных недостатков
  • Кодирование поведения потребителей с учетом их местоположения

Этот интеллект принадлежит владельцу данных — не платформа, не поставщик, не экосистема.

Основной принцип​

Данные, принадлежащие клиентам, ни в коем случае не должны использоваться в интересах других клиентов.

Это включает:

  • Обучение общих или глобальных моделей ИИ
  • Сравнительный анализ производительности различных клиентов без явного согласия.
  • Получение конкурентной информации, применимой к различным брендам, регионам или операторам.

Данные, которыми располагает розничный продавец предметов роскоши в Париже, ни в коем случае не должны улучшать показатели конкурента в Амстердаме.
Динамика пассажиропотока в одном аэропорту ни в коем случае не должна становиться образцом для других аэропортов без соответствующего разрешения.

Утечка данных не требует обмена данными.
Само обучение модели может привести к утечке информации.

Что мы будем делать​

We предусматривает:

  • Создавайте модели искусственного интеллекта, которые логически и операционно изолированные
  • Обеспечьте передачу данных о клиентах. только информация, специфичная для клиента
  • Предоставьте клиентам возможность воспользоваться преимуществами их собственная историческая глубинане других
  • Используйте внешние, общедоступные наборы данных для улучшения контекста, а не для замены права собственности.

Внешние данные могут включать:

  • Тенденции погоды и климата
  • Государственные экономические показатели
  • Статистика населения и демографическая статистика
  • Данные о расписаниях движения транспорта и инфраструктуре.
  • Открытые географические и картографические наборы данных

Эти контекстные усилителине заменяет конфиденциальные данные.

Чего мы не будем делать​

We не будет:

  • Продавайте, обменивайте или используйте повторно бизнес-данные клиентов.
  • Monetise получила информацию от различных клиентов.
  • Эксплуатация непрозрачных «глобальных систем обмена знаниями».
  • Рассматривайте данные о клиентах как сырье для получения конкурентных преимуществ платформы.

Если система улучшается благодаря вашим данным,
Эти улучшения — ваши, они не будут переданы другим, не будут разбавлены и не будут перепроданы.

Почему это важно сейчас​

Искусственный интеллект изменил цепочку создания стоимости.

Самым ценным активом является уже не алгоритм —
это продольные, реальные оперативные данные Это его тренирует.

Без четких принципов:

  • Поставщики накапливают асимметричную власть
  • Клиенты, сами того не подозревая, субсидируют конкурентов.
  • Проверка доверия становится невозможной.

Одного лишь соблюдения требований недостаточно для решения этой проблемы.
Принципы должны соблюдаться.

Наши обязательства​

Это не особенность.
Это не параметр конфигурации.
Это не ценовой уровень.

Это философия дизайна.

Если вы являетесь владельцем операции, то вы являетесь владельцем разведывательной информации.
Если вы владеете информацией, вы контролируете её судьбу.

Это тот стандарт, которого мы решили придерживаться.
даже когда это менее удобно,
даже если это ограничивает краткосрочное кредитное плечо,
потому что это единственная модель, масштабируемая с ростом доверия.