Dirbtiniu intelektu pagrįstų rekomendacijų technologijų pažanga pakeitė vartotojo patirtį, įtvirtindama algoritmais valdomo vartotojo – individo, kurio dėmesį, pageidavimus ir pirkimo sprendimus formuoja sistemos, gebančios mokytis modelių ir numatyti norus dar prieš jiems įžodinant – figūrą. Ši dinamika, kuri kažkada atrodė apsiribojanti didelėmis skaitmeninėmis platformomis, dabar persmelkia praktiškai visus sektorius: nuo mažmeninės prekybos iki kultūros, nuo finansinių paslaugų iki pramogų, nuo mobilumo iki suasmenintų patirčių, apibrėžiančių kasdienį gyvenimą. Suprasti, kaip šis mechanizmas veikia, yra būtina norint suprasti etines, elgesio ir ekonomines pasekmes, kylančias iš šio naujo nematomos įtakos režimo.
Algoritminės rekomendacijos paremtos architektūra, kuri apjungia elgsenos duomenis, nuspėjamuosius modelius ir reitingavimo sistemas, gebančias nustatyti mikroskopinius dominančius modelius. Kiekvienas paspaudimas, ekrano braukimas, puslapyje praleistas laikas, paieška, ankstesnis pirkimas ar minimali sąveika apdorojama kaip nuolat atnaujinamos mozaikos dalis. Ši mozaika apibrėžia dinaminį vartotojo profilį. Skirtingai nuo tradicinių rinkos tyrimų, algoritmai veikia realiuoju laiku ir tokiu mastu, kurio negalėtų suspėti joks žmogus, imituodami scenarijus, kad numatytų pirkimo tikimybę, ir siūlydami suasmenintus pasiūlymus tinkamiausiu metu. Rezultatas – sklandi ir, atrodytų, natūrali patirtis, kai vartotojas jaučiasi radęs būtent tai, ko ieškojo, nors iš tikrųjų jį ten nuvedė be jo žinios priimtų matematinių sprendimų serija.
Šis procesas iš naujo apibrėžia atradimo sąvoką, aktyvią paiešką pakeisdamas automatizuota pristatymo logika, kuri sumažina įvairių variantų prieinamumą. Užuot tyrinėjęs platų katalogą, vartotojas nuolat siaurinamas iki konkretaus pasirinkimo, kuris sustiprina jo įpročius, skonį ir apribojimus, taip sukuriant grįžtamojo ryšio ciklą. Personalizavimo pažadas, nors ir efektyvus, gali apriboti repertuarus ir pasirinkimų įvairovę, todėl mažiau populiarūs produktai arba tie, kurie neatitinka nuspėjamųjų modelių, bus mažiau matomi. Šia prasme dirbtinio intelekto rekomendacijos padeda formuoti šiuos pasirinkimus, sukurdamos savotišką nuspėjamumo ekonomiką. Pirkimo sprendimas nustoja būti išskirtinai spontaniško noro rezultatas ir pradeda atspindėti tai, ką algoritmas laikė labiausiai tikėtina, patogiausiu ar pelningiausiu.
Tuo pačiu metu šis scenarijus atveria naujų galimybių prekių ženklams ir mažmenininkams, kurie dirbtiniame intelekte randa tiesioginį ryšį su vis labiau išsibarsčiusiais ir stimulų persotintais vartotojais. Didėjant tradicinės žiniasklaidos kainoms ir mažėjant bendrinių reklamų efektyvumui, galimybė pateikti hiperkontekstualizuotus pranešimus tampa esminiu konkurenciniu pranašumu.
Algoritmai leidžia koreguoti kainas realiuoju laiku, tiksliau prognozuoti paklausą, sumažinti atliekas ir kurti suasmenintą patirtį, kuri didina konversijos rodiklius. Tačiau šis sudėtingumas kelia etinį iššūkį: kiek vartotojų autonomijos išlieka, kai jų pasirinkimus lemia modeliai, kurie geriau nei jie patys žino jų emocinį ir elgesio pažeidžiamumą? Diskusijos apie skaidrumą, paaiškinamumą ir įmonių atsakomybę įgauna pagreitį, reikalaujant aiškesnės praktikos, kaip duomenys renkami, naudojami ir paverčiami rekomendacijomis.
Taip pat verta atkreipti dėmesį į šios dinamikos psichologinį poveikį. Sumažindamos trintį perkant ir skatindamos momentinius sprendimus, rekomendacijų sistemos sustiprina impulsus ir sumažina apmąstymus. Jausmas, kad viskas pasiekiama vienu spustelėjimu, sukuria beveik automatinį ryšį su vartojimu, sutrumpindamas kelią tarp noro ir veiksmo. Tai aplinka, kurioje vartotojas susiduria su begaline ir kartu kruopščiai filtruota vitrina, kuri atrodo spontaniška, bet yra labai surežisuota. Riba tarp tikro atradimo ir algoritminės indukcijos tampa neryški, o tai perkonfigūruoja patį vertės suvokimą: ar perkame todėl, kad norime, ar todėl, kad buvome priversti norėti?
Šiame kontekste taip pat auga diskusija apie rekomendacijose įtvirtintą šališkumą. Sistemos, apmokytos naudojant istorinius duomenis, linkusios atkurti jau egzistuojančią nelygybę, pirmenybę teikdamos tam tikriems vartotojų profiliams ir nustumdamos kitus į šalį. Nišiniai produktai, nepriklausomi kūrėjai ir kylantys prekių ženklai dažnai susiduria su nematomomis kliūtimis, siekdami matomumo, o dideli žaidėjai naudojasi savo duomenų kiekių galia. Pažadas dėl demokratiškesnės rinkos, kurią skatina technologijos, praktikoje gali būti panaikintas, sutelkiant dėmesį keliose platformose.
Taigi algoritmiškai modifikuotas vartotojas yra ne tik geriau aptarnaujamas vartotojas, bet ir subjektas, labiau veikiamas skaitmeninę ekosistemą struktūruojančios galios dinamikos. Jų autonomija egzistuoja kartu su daugybe subtilių įtakų, veikiančių po patirties paviršiumi. Šiuo atveju įmonių atsakomybė yra kurti strategijas, kurios suderintų komercinį efektyvumą su etine praktika, teikiant pirmenybę skaidrumui ir subalansuojant suasmeninimą su įvairiais požiūriais. Tuo pačiu metu skaitmeninis švietimas tampa būtinas, kad žmonės suprastų, kaip nematomos sistemos gali formuoti, regis, spontaniškus sprendimus.
Thiago Hortolanas yra „Tech Rocket“, „Sales Rocket“ padalinio, skirto kurti pajamų technologijų sprendimus, derinant dirbtinį intelektą, automatizavimą ir duomenų analizę, siekiant išplėsti visą pardavimo procesą nuo potencialių klientų paieškos iki lojalumo, generalinis direktorius. Jų dirbtinio intelekto agentai, nuspėjamieji modeliai ir automatizuotos integracijos paverčia pardavimo operacijas nuolatinio, išmanaus ir išmatuojamo augimo varikliu.
