Negli ultimi anni, la quantità di informazioni e di dati che possono essere raccolti dal web è cresciuta vertiginosamente; di conseguenza, sono aumentate le opportunità per poter ampliare il proprio business. Tali informazioni spaziano dalle preferenze dei consumatori, quali quelle espresse comprando un prodotto in un e-commerce o su siti web di streaming, ai rapporti di credito aperti dagli utenti su differenti siti. Per questo motivo, implementare algoritmi di intelligenza artificiale specializzati nel vendere dati risulta una grande opportunità di crescita per numerose imprese il cui business si sviluppa prevalentemente online, soprattutto nei casi in cui è possibile coniugare performance degli algoritmi di AI con il totale rispetto della privacy degli utenti.
Raccogliere e vendere i dati, il tipo di informazioni
Le realtà industriali specializzate nella raccolta di dati sugli utenti sono numerose; esse si differenziano principalmente per il tipo di informazioni che sono in grado di raccogliere e successivamente commercializzare.
Nello specifico, troviamo realtà specializzate nell’ estrapolazione di dati relativi alle caratteristiche degli utenti interessati all’acquisto di un dato prodotto. Questo tipo di informazioni risulta essere di cruciale importanza per tutte le aziende interessate ad avviare una campagna pubblicitaria mirata sul web. Esempi di aziende specializzate nella commercializzazione di questo tipo di dati sono Acxiom e Nielsen: grandi compagnie tech che processano e raccolgono differenti informazioni quali, ad esempio, la provenienza geografica o l’età della clientela potenzialmente interessata all’acquisto di uno specifico prodotto.
Un’altra tipologia di dati di notevole importanza è quella che deriva dalla raccolta di informazioni relative ai rapporti di credito. Questo tipo di informazioni, oltre ad essere utilizzato dagli istituti finanziari, risulta di sostanziale importanza anche per tutte le compagnie assicurative, creando così una più ampia panoramica sul potere economico di ogni individuo analizzato. Questo esempio sottolinea, inoltre, come questa tipologia di dati abbia una notevole importanza sia dal punto di vista economico che sociale.
![vendere dati](https://www.ai4business.it/wp-content/uploads/sites/11/2020/04/Cyber-security-sicurezza-delle-informazioni-protezione-dati-300x169.jpg)
L’intelligenza artificiale per vendere i dati
La commercializzazione di dati e delle informazioni in essi contenuti risulta, come già evidenziato, una grande opportunità di crescita per tante realtà aziendali. Di conseguenza, anche l’interesse da parte della comunità scientifica nell’implementare algoritmi di intelligenza artificiale che lavorino in questo contesto è cresciuto. In particolare, è aumentato l’interesse nel costruire algoritmi di AI che, nel rispetto della privacy degli utenti, possano incentivare i clienti nell’acquisto dell’informazione.
Nello specifico, negli ultimi anni i ricercatori nel campo dell’AI hanno sviluppato algoritmi per poter vendere pacchetti di dati con quantità di informazione diverse a prezzi differenti, in modo tale che i clienti possano pagare un prezzo proporzionato alla quantità di informazione che desiderano acquistare. Dato che questi algoritmi hanno come scopo finale quello di scegliere il prezzo ottimale di vendita, in base al tipo di informazione sulla clientela che l’algoritmo riceve in input è possibile identificare due diversi approcci per risolvere il problema.
Nel primo di questi, la stima del prezzo a cui vendere l’informazione avviene grazie ad una accurata analisi della clientela, tale da assicurare prezzi competitivi a consumatori diversi. In questo caso, la valutazione che un cliente dà al prodotto in vendita è nota al venditore. Con questo approccio, l’azienda interessata alla vendita di dati può implementare un meccanismo economico (soluzioni di questo tipo sono l’oggetto di studio del campo dell’AI noto come Mechanism Design) che, a seconda della quantità di informazione necessaria al cliente, presenti un prezzo conforme al valore generato dall’acquisto dell’informazione stessa. L’algoritmo che quindi proporrà dei prezzi al cliente dovrà semplicemente risolvere un problema di ottimizzazione.
Meccanismi di questo tipo trovano grande applicazione laddove sia possibile stimare i ricavi potenziali di un possibile acquirente. Ad esempio, le piattaforme di advertising dei maggiori social network ottimizzano così l’allocazione degli slot pubblicitari: la piattaforma conosce (dalla storia passata) i comportamenti di varie tipologie di utenti dinanzi a un annuncio pubblicitario, quindi potrà calcolare il tasso di conversione di ogni tipologia di cliente, ottenendo una stima del valore di quell’annuncio. Il cliente, ovvero colui che vorrà pubblicizzare un proprio prodotto, comprerà implicitamente (attraverso il pagamento di commissioni) queste informazioni dalla piattaforma di advertising, affidando ad essa la gestione dei propri annunci.
Nel caso invece in cui il venditore dei dati non sia in grado di stimare l’impatto delle proprie informazioni sui profitti attesi del cliente, esso sarà impossibilitato a presentare a priori un prezzo correttamente proporzionato. Risulta quindi necessario sfruttare algoritmi di intelligenza artificiale diversi, quali quelli di determinazione automatica del prezzo (Dynamic Pricing). Questi algoritmi, valutando iterativamente differenti prezzi sulla stessa proposta, sono in grado di stabilire quali tra essi risulti il migliore, avendo come obiettivo il ricavo finale (inteso come prodotto tra volumi e prezzi finali di vendita). In questo caso, se da un lato non è richiesto alcun tipo di conoscenza a priori sul mercato dei potenziali clienti, dall’altro il processo di apprendimento delle curve di domanda e di offerta richiede che vengano proposti anche prezzi peggiori rispetto a quello ottimale. Questo fenomeno fa sì che nelle prime iterazioni dell’algoritmo (la cosiddetta fase di apprendimento), e quindi nelle prime scelte dei prezzi, l’algoritmo non possa garantire buoni risultati a ogni step decisionale; questo fenomeno può essere parzialmente limitato e controllato con recenti tecniche di safe exploration.
Come tutelare la privacy: regole e protocolli
Tutte le compagnie interessate alla raccolta e alla commercializzazione di dati sugli utenti devono assicurarsi che queste operazioni avvengano nel totale anonimato e che non sia possibile in alcun modo risalire all’identità dei consumatori. Violare questo assunto rappresenta, in molti casi, un reato; perciò, tutte le aziende coinvolte nella raccolta, nel trattamento e nella compravendita di dati privati degli utenti necessitano di comprendere la natura e la portata delle regolamentazioni vigenti, per poterle rispettare pienamente e garantire l’assoluta legalità al proprio lavoro.
Negli ultimi anni sono nati dei protocolli specifici allo scopo di garantire questa finalità. Nello specifico, tutte le realtà impegnate nel trattamento di dati privati sugli utenti devono rispettare, all’interno dell’Unione Europea, la norma sulla privacy GDPR, mentre all’interno degli USA le normative sulle privacy sono regolamentate dal CCPA. Inoltre, sono state presentate proposte di legge per disciplinare lo sviluppo, la commercializzazione e l’uso di strumenti di AI nell’Unione Europea, oltre che per armonizzare le norme sull’intelligenza artificiale. Queste normative si incentrano in maniera significativa sul modo in cui l’AI è regolamentata e utilizzata, rivestendo un ruolo fondamentale anche sulla corretta regolamentazione dei rapporti tra i partner commerciali che trattano i dati di utenti europei.
Il Data Governance Act (DGA), un provvedimento approvato dal parlamento dell’Unione Europea nel 2022, è il primo passo verso un sistema organico di regolamentazione europea dei dati. In questo provvedimento, volto a favorire lo scambio dei dati all’interno della UE (sia tra entità di natura pubblica che privata), viene rafforzato il ruolo strategico dei servizi di intermediazione dei dati e vengono definite una serie di regole e procedure da seguire per garantirne sicurezza e affidabilità (maggiori dettagli possono essere trovati qui).
Conclusioni
Ci sono numerose tipologie di dati che è possibile raccogliere e successivamente commercializzare all’interno del panorama della digital economy. Per svolgere correttamente tali operazioni è necessario, però, rispettare le normative sulla privacy; in seguito, una volta anonimizzate tutte le informazioni sensibili, è possibile applicare algoritmi di intelligenza artificiale per strutturarne la vendita massimizzando i guadagni. Si aprono dunque ampie opportunità di business grazie all’applicazione di queste nuove tecniche e algoritmi: come spesso accade, le prime aziende a sfruttarne le potenzialità saranno quelle che ne beneficeranno maggiormente.