IBM заявляет, что существуют «безграничные» возможности применения ее новых запасов излишков и обещает «глубинный портрет каждого клиента». Как и следовало ожидать, эти операции тестируются на подневольных сотрудниках, которые после приучения могут стать послушными представителями поведенчески чистого общества. Теперь можно определять «личностные корреляты», которые предсказывают, как в точности каждый клиент будет реагировать на маркетинговые усилия. Кто воспользуется купоном? Кто и какой продукт купит? Корпорация утверждает, что «контент и поведение в социальных сетях» можно использовать для «извлечения выгоды из таргетированных возможностей получения дохода», имея «правила, связывающие личностные черты с поведением». Отправку сообщений и обращения службы поддержки, страховых агентов, турагентств, риелторов, инвестиционных брокеров и т. д. можно будет «соотнести» с «личностью» клиента, причем психологические данные будут показаны агенту в самый момент контакта
[750]. Исследования IBM показывают, что агенты, обладающие выраженными чертами личности, связанными с «доброжелательностью» и «добросовестностью», обеспечивают значительно более высокий уровень удовлетворенности клиентов. Это же подсказывает и здравый смысл, за исключением того, что теперь эти взаимодействия измеряются и контролируются в реальном времени и в большом масштабе, с прицелом на то, чтобы вознаграждать или вытеснять то или иное поведение в зависимости от его рыночного эффекта
[751].
Благодаря оцифровке, несколько уже измеримых сегодня личностных характеристик, включая «потребность в любви», можно использовать для предсказания вероятности «симпатий по отношению к бренду»
[752]. В эксперименте по таргетированной рекламе в твиттере IBM обнаружила, что это может значительно увеличить показатели кликабельности и количество «читателей», ориентируясь на людей с высокими показателями «открытости» и низкими показателями «невротизма» в рамках пятифакторного анализа личности. В другом исследовании IBM получила поведенческие данные 2000 пользователей Twitter для определения таких показателей, как количество ответов, уровень активности и промежуток времени между твитами, помимо обычного психолингвистического анализа твитов и пятифакторного анализа личности. IBM «обучила» свою прогностическую модель, задавая этим двум тысячам пользователей вопросы, связанные либо с их местоположением, либо с каким-либо продуктом. Результаты показали, что личностная информация предсказывала вероятность ответа. Люди, которых машины оценили как моральных, доверчивых, дружелюбных, экстравертированных и доброжелательных, обычно отвечали, по сравнению с низким уровнем ответов людей, оцененных как осторожные и тревожные. Многие черты, которые мы пытаемся воспитать в своих детях и культивировать в своем собственном поведении, для скрытых машинных процессов оцифровки оказываются просто благоприятными возможностями для изъятия излишка. В этом новом мире паранойя и тревожность становятся механизмами защиты от машинного вторжения с целью получения прибыли. Должны ли мы учить наших детей быть тревожными и подозрительными?
IBM, конечно, не одинока. Новая, изобретательная порода наемников, специализирующихся на грабеже личностных черт, быстро принялась за институционализацию этих новых процессов снабжения. Их усилия показывают, как быстро мы теряем ориентиры, когда институционализация сначала дает ощущение нормальности и общественного принятия, а затем постепенно приводит к онемению, сопровождающему привыкание. Процесс начинается с бизнес-планов и маркетинговых подач, новых продуктов и услуг и журналистских материалов, в которых новые факты будто бы принимаются как данность
[753].
К этой новой когорте наемников принадлежит и британская консалтинговая фирма Cambridge Analytica, которой владеет нелюдимый миллиардер и спонсор Дональда Трампа Роберт Мерсер. Генеральный директор компании Александр Никс хвастался применением «микроповеденческого таргетирования» на основе личностных черт для поддержки брексита во время подготовки к голосованию за выход Великобритании из ЕС 2016 года и избирательной кампании Трампа в ходе предвыборной гонки перед президентскими выборами в США
[754]. Никс утверждал, что в его распоряжении находятся данные «на индивидуальном уровне, где мы имеем примерно по четыре или пять тысяч точек данных на каждого взрослого в Соединенных Штатах»
[755]. Пока ученые и журналисты пытались определить истинность этих утверждений и роль, которую эти методы могли сыграть в обоих драматических голосованиях 2016 года, новый директор по доходам этой фирмы тихо объявил о менее эффектной, но более прибыльной послевыборной стратегии: «После этих выборов она полностью переориентирована на работу с коммерческими компаниями». Сразу после американских выборов в журнале, адресованном автодилерам, он говорит им, что его новые аналитические методы показывают, «какой именно подход нужен к клиенту, какой у него тип личности и какие методы убеждения наиболее эффективны <…> Что он делает, так это изменяет поведение людей c помощью тщательно продуманных сообщений, которые находят у них отклик… Для того чтобы увидеть существенный сдвиг в доходах, требуется лишь небольшое повышение процента людей, выбравших ваш салон»
[756].
