Что общего у всех этих форм регулирования?
• Четкое понимание желаемого результата.
• Проведение измерений в режиме реального времени, для определения того, достигнут ли этот результат.
• Алгоритмы (т. е. набор правил), которые постоянно вносят корректировки для достижения результата.
• Регулярный, более глубокий анализ того, являются ли сами алгоритмы правильными и работают ли они так, как ожидалось.
Существует несколько областей – этого слишком мало, – в которых органы власти и квазигосударственные организации осуществляют регулирование с использованием процессов, сходных с теми, что описаны выше. Например, центральные банки регулируют денежную массу с целью управления процентными ставками, инфляцией и общим состоянием экономики. У них есть цель, которую они пытаются достичь, периодически внося в правила небольшие корректировки. Сравните это с обычной моделью регулирования, которая сосредоточена на правилах, а не на результатах. Как часто мы сталкиваемся с правилами, которые попросту больше не имеют смысла? Как часто мы видим доказательства того, что правила действительно достигают желаемого результата?
Законодательства Соединенных Штатов и большинства других стран стали поразительно сложными. Закон о реформе здравоохранения и защите прав пациентов содержал почти две тысячи страниц. В отличие от него Закон о национальном финансировании строительства автомобильных дорог 1956 года, благодаря которому была создана Система межштатных автомагистралей США, крупнейший общественный проект в истории, содержал двадцать девять страниц. Закон Гласса-Стиголла 1933 года, который регулировал деятельность банков после Великой депрессии, содержал тридцать семь страниц. Его отмена привела к финансовому кризису 2008 года. Современный ответ с позиции регулирования, закон Додда – Франка 2010 года, содержит 848 страниц и предусматривает более чем 400 дополнительных актов нормотворчества, в общей сумме составляющих до 30 000 страниц правил.
Законы должны определять цели, права, результаты, полномочия и ограничения.
Если они будут определены четко и с широким охватом, такие законы смогут выдержать испытание временем. Положения, в которых гораздо более подробно указывается, как выполнять эти законы, должны рассматриваться практически так же, как программисты рассматривают свой код и алгоритмы, то есть как постоянно обновляемый набор инструментов, предназначенных для достижения указанных в законах результатов.
Все чаще в современном мире такого рода гибкое регулирование становится чем-то большим, чем метафора. Ежедневно изобретаются и при помощи алгоритмов реализуются новые финансовые инструменты, которые торгуют с электронной скоростью. Как можно регулировать эти инструменты, кроме как программами и алгоритмами, которые отслеживают и управляют ими в их родной стихии, во многом по тем же принципам, что и алгоритмы поиска Google, «положения» Google, контролируют постоянные попытки спамеров обыграть систему? Есть те, кто говорит, что правительство должно просто держаться подальше от регулирования множества сфер и позволить «рынку» во всем разобраться самому. Но недобросовестные игроки в отсутствие активного регулирования используют этот вакуум в своих целях. Подобно тому как такие компании, как Google, Facebook, Apple, Amazon и Microsoft, создают механизмы регулирования своих платформ, правительство существует как платформа для обеспечения успеха нашего общества, и эта платформа нуждается в хорошем регулировании.
Поскольку 2008 год наглядно продемонстрировал практически крах мировой экономики, стало очевидным, что регулирующие органы не смогли идти в ногу с постоянно возникающими в финансовом секторе «инновациями», с помощью которых стремились получить прибыль, невзирая на последствия. Существуют некоторые обнадеживающие признаки. Например, в результате анализа «схем Понци», ставших основой афер Берни Мейдоффа и Аллена Стэнфорда, КЦББ учредила алгоритмические модели, отмечающие хедж-фонды, результаты которых значительно превосходят результаты коллег, использующих те же самые заявленные методы капиталовложения, для проведения расследования. Но после того как подозрительные хедж-фонды отмечены, правоприменительная практика продолжает идти по длинному окольному пути расследований и переговоров, сталкиваясь с проблемами, которые решаются бессистемно, каждая в индивидуальном порядке. В противоположность этому, когда компания Google обнаруживает, что новый вид спама вредит результатам поиска, она может быстро изменить правила, чтобы ограничить последствия деятельности недобросовестных участников. Эти правила выполняются системой автоматически, в соответствии с ее согласованной функцией приспособленности.
Нам нужно найти новые способы включить последствия недобросовестной деятельности в систему, сделать их частью высокоскоростного рабочего процесса, сродни тому, как интернет-компании используют DevOps для оптимизации и ускорения внутренних бизнес-процессов. Это не означает, что мы должны выбросить концепцию «надлежащей правовой процедуры», которая лежит в основе Пятой поправки, поскольку во многих случаях этот процесс можно значительно ускорить и сделать его более справедливым и в то же время более понятным.
Технологические платформы преподносят некие важные уроки. Несмотря на колоссальную сложность алгоритмических систем, используемых для таких платформ, как Google, Facebook и Uber, функция приспособленности этих алгоритмов обычно проста. Считает ли пользователь эту информацию актуальной, если он кликает на нее, а затем уходит? Считает ли пользователь этот контент увлекательным, если он продолжает кликать на следующие истории? Забрал ли водитель клиента в течение трех минут? Обладает ли водитель рейтингом выше 4,5 звезды?
Внешние механизмы регулирования должны сосредоточиться на определении желаемого результата и того, достигнут ли он. Они также должны определить дельту между предполагаемыми результатами и функцией приспособленности алгоритмов, используемых теми, кого они стремятся регулировать. То есть намерены ли участники достичь заявленной цели регулирования или они пытаются этому помешать? Более совершенные регулирующие положения стимулируют объект регулирования самостоятельно решать проблему. Это не «саморегулирование» в том смысле, что правительство просто доверяет рынку принимать правильные решения. Речь идет о создании правильных стимулов. Например, закон «О справедливости расчетов по кредитным покупкам» 1974 года постановил ограничить ответственность потребителей всего 50 долларами в случае любых мошеннических операций по кредитным картам, заставив индустрию в ее собственных интересах ужесточить меры против мошенничества.
Диего Молано Вега, бывший министр информационных технологий и коммуникаций Колумбии, рассказал мне, как он использовал подобный подход для решения хронической проблемы пропущенных телефонных звонков, заменив систему штрафов и трехлетние исследования простым правилом: провайдеры телекоммуникационных услуг должны были возместить клиентам стоимость каждого сброшенного вызова. Спустя год и 33 миллиона долларов возмещенных средств проблема была решена.
А вот пример того, как корпорация Google урегулировала проблему «контент-ферм», которые создавали контент, специально предназначенный для обмана алгоритмов поиска, но которые не представляли большой ценности для пользователей. Корпорация Google не стала начислять штрафы. Она не стала устанавливать подробные правила относительно того, какой тип контента можно публиковать. Но, понизив эти сайты в результатах поиска, она создала обстоятельства, которые привели к тому, что недобросовестные участники или улучшили качество своего контента, или ушли из бизнеса.
