تقویت هوش مصنوعی رقبا با داده‌های اختصاصی شرکت‌ها؛ چالش جدید دنیای نرم‌افزار

مدت‌ها پیش از آنکه مدلی با داده‌های مشتریان آموزش داده شود، فعالان حوزه داده‌های بازاریابی سازوکار مشخصی برای تجمیع اطلاعات ایجاد کرده بودند. در دهه ۱۹۹۰ میلادی، خرده‌فروشان کاتالوگی به تعاونی‌های تبادل داده پیوستند تا با ترکیب تاریخچه تراکنش‌های خود، مشتریان جدیدی پیدا کنند. این سازوکارها صرفاً به این دلیل دوام آوردند که قوانین حاکم بر آن‌ها کاملاً شفاف و صریح بود.

هر خرده‌فروش داده‌های خود را به اشتراک می‌گذاشت تا در ازای آن، پیش‌بینی‌های مدل‌سازی‌شده از مشتریان احتمالی را دریافت کند؛ هیچ عضوی به پرونده کامل مشتریان رقیب دسترسی نداشت و هر شرکتی که اشتراک‌گذاری داده‌ها را متوقف می‌کرد، سهمی هم دریافت نمی‌کرد. کنسرسیوم‌های مقابله با کلاهبرداری کارت‌های اعتباری نیز با شرایط مشابهِ «بده و بستان» فعالیت می‌کنند. شاید این سازوکارها چندان پیچیده به نظر نرسند، اما همه اعضا منطق این معامله را به‌خوبی درک می‌کردند.

اکنون شرکت‌های ارائه‌دهنده نرم‌افزار که قابلیت‌های هوش مصنوعی را توسعه می‌دهند، با همین پرسش روبه‌رو شده‌اند، اما معمولاً هیچ قانون مشخصی برای آن ندارند. نرم‌افزارهای سنتی صرفاً بر بستر داده‌های مشتری مستقر می‌شدند و روی همان داده‌ها کار می‌کردند؛ در حالی که ابزارهای هوش مصنوعی از داده‌ها یاد می‌گیرند و در پلتفرم‌های ابری چندکاربره، این آموخته‌ها به‌ندرت درون یک حساب کاربری محدود می‌ماند.

سوابق اطلاعاتی یک شرکت می‌تواند دقت سیستم‌های اعتبارسنجی سرنخ، امتیازدهی مشتریان بالقوه و پیشنهادهای ارائه‌شده به هزاران کسب‌وکار دیگر را ارتقا دهد. یک ارائه‌دهنده سرویس می‌تواند با تکیه بر اطلاعات چند کاربر، محصولش را برای همه مشتریان بهبود بخشد، در حالی که بیشتر قراردادها هیچ توضیحی درباره عادلانه بودن این معامله ارائه نمی‌دهند. از منظر حقوقی، مشتری همچنان مالک داده‌های خود است، اما مالکیت به‌تنهایی مشخص نمی‌کند چه کسی بیشترین سود را می‌برد.

مدیرعامل شرکت Data Axle

مقاومت کاربران در برابر اشتراک‌گذاری داده‌های ارزشمند

شرکت HubSpot زمانی حساسیت بالای این موضوع را دریافت که برنامه‌ای برای تجمیع داده‌های کاربران اعلام کرد. این برنامه شامل اطلاعات تماس تجاری، مشخصات کارفرمایان و سیگنال‌های نرخ تحویل ایمیل بود تا سوابق مخاطبان در کل پلتفرم بهبود یابد.

این قابلیت به‌صورت پیش‌فرض برای تمام حساب‌ها فعال شده بود، اما تنها پس از چند روز، شرکت این طرح را متوقف کرد و قول داد که هرگونه قابلیت غنی‌سازی داده در آینده با رضایت مستقیم کاربران فعال شود. اگرچه HubSpot به‌صراحت اعلام کرده بود که سوابق اصلی بخش CRM هرگز بدون اجازه به اشتراک گذاشته نمی‌شود، اما نگرانی تیم‌های فروش و درآمد فراتر از حریم خصوصی سنتی بود. دغدغه اصلی آن‌ها پاسخی پیچیده‌تر داشت: سال‌ها تلاش برای پاک‌سازی و اعتبارسنجی اطلاعات تماس قرار بود ابزارهای رقبای آن‌ها را در پلتفرم ارتقا دهد، بی‌آنکه مابه‌ازایی به آن‌ها تعلق گیرد. جالب آنکه بندهایی از قرارداد که چنین تغییری را مجاز می‌کرد، نزدیک به دو سال پیش از اطلاع مشتریان به‌روزرسانی شده بود.

هوش مصنوعی چگونه شرکت‌ها را ناخواسته به فعالان بازار داده تبدیل می‌کند

بسیاری از شرکت‌های نرم‌افزاری که ابزارهای هوش مصنوعی را به محصولات خود اضافه می‌کنند، پیش از این نیازی به بازنگری در مدل درآمدی داده‌ها نداشتند. این شرکت‌ها اکنون با ساخت هر مدل جدید، به‌آرامی و بدون تصمیم قبلی به شرکت‌های داده‌محور تبدیل می‌شوند. اینکه اطلاعات یک مشتری وارد مدل مشترک سیستم شود، معمولاً توسط تیم فنی محصول برای تسریع در زمان انتشار تعیین می‌شود، نه توسط مدیران تعامل با مشتری؛ در نتیجه جزییات این تصمیم‌ها در بندهایی گنجانده می‌شود که کمتر خریداری آن‌ها را مطالعه می‌کند.

نظرسنجی سال ۲۰۲۶ موسسه مکنزی درباره اعتماد به هوش مصنوعی نشان می‌دهد که تنها حدود ۳۰ درصد از سازمان‌ها به بلوغ کافی در استراتژی، حکمرانی و سازوکارهای کنترلی هوش مصنوعی دست یافته‌اند. موضوع تجمیع داده‌های آموزشی معمولاً میان تیم‌های حقوقی، محصول و فروش سرگردان می‌ماند و هیچ بخشی مسئولیت تشریح آن را نمی‌پذیرد.

ضرورت تدوین بندهای شفاف برای خروج از قرارداد

خریداران سازمانی خیلی زودتر از نهادهای قانون‌گذار، شفاف‌سازی شرایط داده را مطالبه خواهند کرد. در دهه گذشته، گواهینامه‌های امنیتی و تضمین پایداری سرویس تنها به این دلیل در تمام قراردادها استاندارد شدند که مشتریان زیادی آن‌ها را مطالبه کردند. مفاد مربوط به داده‌های هوش مصنوعی نیز در همان مسیر حرکت می‌کنند. اکنون تیم‌های تدارکات از شرکت‌ها می‌پرسند که آیا داده‌هایشان برای آموزش مدل‌های دیگران استفاده می‌شود، آیا این اشتراک‌گذاری اختیاری است و آیا می‌توان بدون از دست دادن امکانات اصلی آن را غیرفعال کرد؟ خریداران سخت‌گیرتر حتی می‌خواهند بدانند مشارکت در ارائه داده چه امتیاز متمایزی نسبت به سایر اعضا برایشان به‌همراه دارد.

بندهای خروج از قرارداد پیچیده‌ترین بخش این توافق‌ها خواهند بود. مشتری می‌تواند قرارداد را لغو کند و بازگرداندن فایل‌هایش را بخواهد، اما داده‌هایی که قبلاً پایه‌های یک مدل هوش مصنوعی را شکل داده‌اند، نمی‌توان به‌سادگی از آن بیرون کشید. بازآموزی مدل‌ها هزینه‌های سرسام‌آوری دارد و حذف اثر اطلاعات یک مشتری از مدل فعال همچنان مسئله‌ای حل‌نشده است. یک ارائه‌دهنده سرویس ممکن است تمام اطلاعات ذخیره‌شده مشتری را حذف کند، اما مدل ساخته‌شده با همان داده‌ها همچنان فعال بماند. قراردادهای سنتی ذخیره‌سازی فرض می‌کردند با حذف فایل، همه چیز پایان می‌یابد؛ اما قراردادهای عصر هوش مصنوعی باید صراحتاً بیان کنند که پس از لغو قرارداد چه آثاری در مدل باقی می‌ماند و آیا خریدار پیش‌تر با آن موافقت کرده است یا خیر.

رضایت اختیاری و فعال‌سازی تیک موافقت تنها بخشی از پاسخ است. یک چک‌باکس ساده به شرکت اجازه استفاده از داده‌ها را می‌دهد، اما هیچ سودی را برای کاربر تضمین نمی‌کند. مشتری که بدون دریافت امتیازی ملموس موافقت کند، معامله‌ای زیان‌بار انجام داده است، حتی اگر این فرایند کاملاً قانونی باشد. تعاونی‌های قدیمی داده دقیقاً به این دلیل موفق بودند که هر عضو به‌طور شفاف از منافع اشتراک‌گذاری اطلاعات آگاه بود.

شرکت‌هایی که پیش از آغاز مذاکره سازوکار اقتصادی تبادل داده را شفاف کنند، تمدید قراردادهای خود را بسیار آسان‌تر پیش خواهند برد. این شفاف‌سازی باید هم در داخل محصول و هم در متن قرارداد وجود داشته باشد و به‌روشنی مشخص کند چه داده‌هایی وارد مدل‌های مشترک می‌شوند، خروجی این مدل‌ها چیست و شرکت‌های مشارکت‌کننده چه امتیازی به دست می‌آورند. پرسشنامه‌های امنیتی زمانی یک تشریفات ساده بودند، اما خریداران آن‌ها را به شرط اصلی فروش تبدیل کردند؛ شرایط تجمیع داده‌ها در هوش مصنوعی نیز با همان سرعت در حال تبدیل شدن به یک ضرورت قراردادی است و نخستین شرکت‌های پیشرو، استاندارد کل بازار را تعیین خواهند کرد.