«Amazon готовится приобрести сверхъестественные силы!»
По крайней мере, так считали верующие, черпая свою веру из истерической осанны газетных статей. Эти статьи появились летом 2014 года, когда этот интернет-книготорговец стал «магазином всего» и подал патентную заявку на новый процесс, который он назвал «упреждающей отправкой». Уже скоро Amazon узнает, что вы хотите купить ещё до того, как вы сами это узнаете. Когда вы разместите заказ на новый подростковый роман Джона Грина для немолодых взрослых, или на ещё одну банку солёных соевых бобов, или на вот эту скороварку Instant Pot Wonder, которая готовит свинину со скоростью света — посылка уже будет в пути.
Как отмечали журналисты — причём даже те, кто не был склонен заглатывать наживку преувеличений — то, что описывал этот патент, на деле было не так далеко от того, что Amazon уже делает. Это станет лишь незначительным расширением тех данных, которые компания уже собирает, и тех колоссальных разветвлённых щупалец логистических операций, которые она уже ведёт.
Amazon, заняв свои позиции на розничном рынке на плечах интернет-революции, стала крупнейшей технологической компанией, использующей плоды современных ИТ, чтобы распределять потребительские товары. Короче говоря, Amazon является искуснейшим планировщиком. Именно такие логистические и алгоритмические инновации и опровергают старинные аргументы фанатов свободного рынка, что даже если с помощью планирования можно делать большие вещи, такие, как сталелитейные комбинаты, железные дороги и системы здравоохранения, то оно споткнётся о первые же препятствия в планировании потребительских товаров. Тем более, Amazon предлагает такие методы производства и распределения, которые только и ждут, чтобы их захватили и перепрофилировали на пользу всего общества.
Начав в конце 90-х как очередной стартап-дотком, торгующий исключительно книгами, Amazon развилась до того, чтобы поставлять большую часть товаров, потребляемых любыми домашними хозяйствами. В чём-то перекликаясь с горизонтальной интеграцией Walmart, компания даже начала включать производителей товаров, продаваемых ею, в свою дистрибьюторскую сеть, разместив своих собственных работников на фабриках и складах некоторых из своих ключевых поставщиков. В соответствии со своей программой Vendor Flex, например, количество пластырей, производимых Johnson & Johnson, может частично зависеть от потребностей Amazon. Это дает гиганту розничной торговли такую роль в управлении производством, которая далеко выходит за границы собственной компании.
Помимо простого распространения продуктов, Amazon, как и Walmart, «вытягивает» спрос. На самом деле, на заре своего существования компания Amazon переманила из Walmart стольких топ-менеджеров за их логистическую смекалку, что Уолтоны даже подали на неё в суд. Неисчислимые миллиарды гигабайт клиентских данных, которые Amazon собирает, и алгоритмы, которые она использует для анализа этих данных, дают ей невероятно подробную картину того, что люди хотят купить — и когда они это купят. В то же время интеграция операций с производителями гарантирует, что продукция будет приготовлена в достаточном количестве. И здесь, учитывая масштаб этой экономики, мы видим, как зарождается более интегрированная модель планирования производства и распределения, какой бы иерархической и подобострастной она ни была по отношению к своим боссам. Мы могли бы описать Джеффа Безоса как лысого и безусого Сталина от интернет-торговли.
Тем не менее, в глубине души Amazon остаётся (пока) гигантской сетью распределения потребительских товаров. Эпоха интернета дала взойти новой модели перемещения розничных товаров от производителей к потребителям, и Amazon воспользовалась ей лучше, чем любой её конкурент. Amazon сейчас контролирует почти половину объёма американской интернет-розницы. Поэтому, когда Amazon планирует, то планирует по-крупному.
Некоторые проблемы планирования Amazon остаются такими же, как у других крупных дистрибьюторских сетей, некоторые же проблемы — совершенно новые. Вкратце, история Amazon — это ещё одна история о правильной логистике, то есть о том, чтобы доставить вещи из пункта А в пункт Б как можно дешевле. Хотя эта задача и звучит достаточно просто, она требует планов на всё: от размещения склада и организации продукта до минимизации затрат на доставку посылок клиентов и сокращения маршрутов доставки. Журнал Wired описывает компанию как «огромную, сетевую, интеллектуальную машину по удовлетворению желаний покупателя».
Добавьте к этому тот факт, что Amazon, как и любая интернет-компания, собирает невероятные объёмы данных о своих потребителях. Обычный физический магазин не знает, какие продукты вы смотрите, сколько времени вы проводите, глядя на них, какие из них вы положили в корзину, а затем положили обратно на полку перед прибытием на кассу, или даже какие из них вы «хотите», чтобы они у вас были. А вот Amazon знает. Это цунами из данных не только связано с информацией о потребителе, но и простирается по всей цепочке поставок, и компания использует эти данные в своих интересах везде, где это возможно. Её задачи планирования выходят за рамки того, с чем сталкивалась какая-либо крупная компания в доинтернетную эру. Это скорее оптимизация «больших данных» — наборов данных, которые производятся с такими огромными объёмами, разнообразием и скоростями, что традиционные методы обработки данных и программное обеспечение уже не справляется.
Масштабы Amazon — её стремление быть «магазином всего» — создает значительные проблемы для ИТ-систем. Одно дело — доставить даже тысячу продуктов в сто или тысячу розничных магазинов, как это делает традиционный продавец. Другое дело — поставлять миллионы продуктов миллионам клиентов. Проблемы, которые Amazon приходится решать, чтобы быть наиболее эффективным, могут быть очень сложными, даже если на первый взгляд они таковыми и не кажутся.
Складские и транспортные проблемы, упомянутые выше, являются особым классом математических задач, известных как «задачи оптимизации». В задаче оптимизации мы стремимся сделать что-то наилучшим образом, с учётом ряда ограничений на наши действия (т.н. «граничных условий»). Пусть, к примеру, вам даны три возможных маршрута через город, чтобы доставить пакет. Скажем, что будет быстрее, учитывая количество светофоров и улиц с односторонним движением? Или, что более реалистично для Amazon, в доставке некоторого ежедневного количества посылок компания ограничена графиком авиарейсов, скоростью самолётов, наличием развозных грузовиков и множеством других ограничений, вдобавок к городскому дорожному движению. Есть также случайные события (например, плохая погода), которые могут закрывать аэропорты, и, хотя их возникновение и является случайным процессом, они также более вероятны в определённых местах и в определённое время.
Каждый день, когда вы ездите на работу, вы решаете относительно простую задачу оптимизации. Но математика оптимизации очень сложна для проблем с большим числом ограничений. При достаточном числе переменных для оптимизации и достаточном числе ограничений даже самый мощный суперкомпьютер, который мы можем построить, вооруженный наилучшим алгоритмом, который мы можем разработать, был бы неспособен решить некоторые из этих задач в течение нашей жизни, а некоторые — даже в рамках жизни Вселенной. Многие из задач Amazon попадают прямо в такие категории.
Таким образом, в то время как патенты на доставку с помощью беспилотников привлекают всё внимание СМИ, истинные чудеса, на которых строится его работа — это эзотерические математические методы, которые помогают ему решать и и упрощать свои оптимизационные задачи. Например, вот эти ключевые патенты помогают Amazon планировать оптимальное перемещение товаров от складской полки до вручения покупателю. Часть решения этой задачи включает в себя «балансировку нагрузки»: и так же, как ваш компьютер перемещает задачи, чтобы Винда не зависла, Amazon решает, где построить свои огромные склады и как распределять продукты между ними, чтобы ни одна из частей их системы не перегружалась.
Для ясности отметим: методы планирования Amazon не являются полными и идеальными решениями задач оптимизации, решение которых запросто может отнять больше времени, чем время жизни Вселенной. Вместо этого они просто дают лучшие приближения, чтобы обойтись без взрывного увеличения математической сложности. Тем не менее, Amazon по-прежнему предпочитает планировать, а не оставлять оптимизацию на откуп ценовым сигналам с рынка. Инженеры Amazon разбивают задачи на более мелкие части, упрощая их или находя другие способы, позволяющие компьютеру решить их за секунды, а не за столетия. Amazon ставит себе цель сделать задачи разрешимыми, а не решить их с абсолютной точностью.
Опять же, возьмите задачу доставки заказов по самой низкой стоимости. Даже точный ответ на, казалось бы, простой вопрос о самом дешёвом способе доставки ежедневных заказов — и тот может быстро выйти из-под контроля. Нет единственно верного и самого лучшего способа отправить один заказ из тысяч или миллионов отправленных в данный день, потому что стоимость каждого заказа зависит от всех остальных. Будет ли заполнен самолет из центра UPS «Worldport» в Луисвилле (штат Кентукки), в город Феникс в Аризоне? Ещё один парень с вашей улицы заказал электрическую зубную щетку с экспресс-доставкой — или ее можно доставить вместе с вашей книгой на завтра? Сложность постепенно усиливается ещё больше, когда Amazon рассматривает не только всевозможные альтернативные маршруты, которые она контролирует, но и предусматривает возможность случайных событий (таких, как суровая погода) и пытается предсказать заказы на следующий день. Задача оптимизации распределения заказов имеет сотни миллионов переменных и не является простым решением. Проблема настолько сложна, что нет и приближений, которые могли бы принять во внимание каждый аспект проблемы.
Но, несмотря на такие проблемы, процесс планирования в Amazon не разваливается. Хотя Amazon выезжает не только на мощных алгоритмах, но и на ужасных условиях труда, низких налогах и низкой зарплате, она всё-таки функционирует. Проблемы планирования, с которыми сталкиваются отдельные корпорации в условиях капитализма, всё же имеют приблизительные, «достаточно хорошие» решения. Как утверждает эта книга снова и снова, планирование широко распространено внутри «чёрного ящика» этой корпорации, пусть оно и является «достаточно хорошим», а не совершенным.
И вся соль как раз в том, чтобы найти наилучшие возможные (хотя и не полные) приближения. Математики Amazon работают над тем, чтобы ужать до подъёмных размеров неразрешимо сложные задачи; чтобы строить планы, которые не растягиваются на бесконечное время, не реагируют на все возможные случайные события, которые могут произойти на каждом шаге — и при этом просто работают. То есть — подобраться как можно ближе к правильному планированию в реалистичные сроки и с использованием доступной вычислительной мощности. А когда для поиска наилучшего приближения исходной задачи не удаётся использовать «алгоритм алгоритмов» и рассчитать его математически точно, то в игру вступает творчество.
С ростом вычислительной мощности и развитием математической науки наши решения оптимизационных задач становятся лучше и лучше. Задача планирования заключается не в 100% точности, а в эффективном использовании доступных вычислительных ресурсов, чтобы добиться 80% (а то и 95%) на пути к идеалу. В конце концов, рынок тоже не на 100% точен, цены постоянно меняются, и экономика всё равно постоянно регулируется. Вопреки фантазиям об экономическом равновесии из курса «Экономикс», реальные рынки зачастую даже не приближаются к идеальной синхронизации между тем, что мы хотим, и тем, и что производится.
Описание Amazon как большой машины планирования не слишком соответствует её образу как иконы хаотической «новой экономики». Но ещё до того, как Кремниевая Долина стала центром глобального капитализма, планирование обычно хорошо скрывалось за фасадом конкуренции. Сегодня фасад стал только богаче: всё, что вы видите, это красивый веб-сайт, а затем посылку у вашего порога. Тем не менее, на первый взгляд за кулисами Amazon видно хаотическое метание самых разнообразных предметов, шныряющих взад и вперёд между складами, поставщиками и конечными пунктами назначения. По правде говоря, Amazon специализируется на высоко управляемом хаосе. Двумя лучшими примерами этого являются система «хаотичного хранения», которую Amazon использует на своих складах, и система рекомендаций, которая жужжит на фоне веб-сайта Amazon и рассказывает вам, какие книги или садовые материалы могут вас заинтересовать.
Система рекомендаций Amazon — важное подспорье для быстрого успеха компании. Эта система обычно даёт полезные подсказки (кстати, иногда получаются весьма смешные сочетания вроде «часто покупают вместе: бейсбольную бита + черная балаклава»), которые появляются в разделе «Клиенты, которые купили X, также купили Y» на их сайте. Система рекомендаций решает некоторые информационные проблемы, которые исторически были связаны с планированием. Это важнейшее новшество для всех для мечтателей о плановых экономиках, которым также удастся удовлетворить потребительские потребности, этот исторический бич старой сталинской экономики. Чем больше людей, тем сильнее хаос индивидуальных вкусов и мнений сгущается во что-то полезное. Вселенная самых разрозненных оценок и обзоров — всегда неполных и часто противоречивых — может, если разбирать их правильно, предоставить очень полезную и прибыльную информацию.
Amazon также использует систему, которую он называет «совместная фильтрация товаров». Компания совершила прорыв, разработав свой алгоритм рекомендаций, чтобы избежать подводных камней, на которые натыкались прежние рекомендационные системы. Система Amazon не ищет сходства между людьми: такие системы не только медленно работают, если нужно собрать досье на миллионы людей — но и врут о значительных совпадениях между людьми, чьи вкусы на самом деле очень разные (например, хипстеры и бэби-бумеры, которые покупают одни и те же бестселлеры). Amazon также не группирует людей в «сегменты» — это часто приводит к чрезмерному упрощению рекомендаций, игнорируя сложность индивидуальных вкусов. Наконец, рекомендации Amazon не основаны на простом сходстве (например, в случае книг, это будет сходство ключевых слов, авторов или жанров).
Вместо этого алгоритм рекомендаций Amazon находит связи между товарами на по активности людей. Например, руководство по ремонту велосипедов могут регулярно покупать вместе с определенным набором ключей Allen, хорошо подходящих для велосипеда, даже если этот набор изначально и не позиционировался как велосипедный. Связь между этими двумя предметами может быть не слишком явной, но для Amazon достаточно, чтобы некоторые люди покупали или просматривали их вместе. Собирая воедино миллионы взаимодействий людей и вещей, алгоритм Amazon создаёт виртуальную карту своего каталога, которая очень хорошо адаптируется к новой информации, даже экономя драгоценную вычислительную мощность по сравнению с альтернативами — более неуклюжими системами рекомендаций, которые пытаются соответствовать похожим пользователям или найти абстрактные сходства.
Вот как исследователи в лабораториях IBM описывают рекомендации Amazon: «Когда они учитывают поведение других пользователей, совместная фильтрация использует групповые знания, чтобы формировать рекомендации на основе похожих пользователей».
Такая фильтрация — ответ на одну из претензий Хайека, выдвинутых к его социалистическим противникам в расчётной дискуссии 1930-х: что только рынки могут собирать и применять информацию, разбросанную по всему обществу. Эпоха больших данных доказывает, что Хайек ошибается. Сегодняшние целенаправленно спланированные ИТ-системы начинают извлекать «групповые знания» (коллективный разум или общая информация, которая возникает только в результате взаимодействия внутри или между группами людей) из наших индивидуальных потребностей и желаний. И Amazon не просто отслеживает рыночные транзакции. Помимо того, что вы покупаете, компания собирает данные о том, что вы просматриваете; о путях, которые вы проходите между между предметами; о том, как долго вы остаётесь на странице каждого товара; что вы размещаете в своей корзине только для того, чтобы удалить его позже — и обо многом другом.
Хайек не мог и представить себе тех титанических объёмов данных, которые сегодня можно хранить, чтобы манипулировать ими вне рыночных взаимодействий (и, честно говоря, даже многие марксисты предполагали, что бесчисленные капризные переменные, связанные, в частности, с подверженными моде потребительскими товарами, никогда не дадут их социализировать). Хотя Хайек, безусловно, и восхищался бы капиталистами вроде Джеффа Безоса, которые владеют этими данными и используют их для того, чтобы сколотить из них свои непристойно большие состояния. Сладкая ирония здесь в том, что большие данные, которые создают и открывают столь много новых знаний, могут однажды облегчить и то, на что, по мнению Хайека, способны только рынки.
На самом деле, от системы рекомендаций до патента Amazon на «упреждающую доставку» осталось не так уж и далеко. И это не очередная инфоцыганская лапша в духе TED Talks. Причина, по которой это невероятное, казалось бы, сверхъестественное явление распределения действительно может сработать — не результат психологического обмана или подсознательного рекламного внушения, а строится на обычной оценке спроса. Благодаря огромным наборам данных, которые измеряют отношения между продуктами и людьми, Amazon уже очень успешно определяет спрос на конкретные продукты, вплоть до невообразимого ранее уровня детализации.
Остаётся главный вопрос для сторонников равенства: чей спрос учитывать и насколько? При капитализме один доллар значит один голос. У кого толще кошельки, те и будут диктовать обществу, что производить — просто за счёт своей гораздо большей, чем у простолюдинов, покупательной способности. Так мы получаем несколько супер-яхт у олигархов вместо массового жилья для всех — и мы можем сказать то же самое о любых товарах, когда дело доходит до того, каким потребительским товарам отдать приоритет производства и распределения. Увы, в нашей абсурдной системе конечной целью всех рекомендаций по продуктам является увеличение продаж и прибылей для Amazon…
Учёные по анализу данных также обнаружили, что не отзывы клиентов, как бы много их ни было, а именно рекомендации действительно повышают продажи Amazon. Рекомендации помогают продавать не только непопулярные нишевые предметы — когда трудно накопать информацию о товаре, даже одной рекомендации может хватить, чтобы на нас повлиять — но и бестселлеры, которые постоянно всплывают у нас перед глазами, когда мы сидим в интернете.
Система рекомендаций, выведенная за рамки корпоративных интересов Amazon — это способ управления и интеграции большого социального труда. Многие из нас бесплатно, не ожидая никакой награды, тратят время и силы на написание отзывов и раздачу звёзд продуктам — или просто бездумно просматривая Amazon и другие технологические платформы. Это работа, от которой выигрываем и мы, и остальные. Даже в течение одного дня мы можем неоднократно заниматься неоплачиваемым трудом, чтобы оценить всё: от относительно безобидных вещей, как качество звонков в Skype, до более серьезных, как сообщения, комментарии и ссылки на Facebook и Twitter. Или до вопросов, сильно влияющих на жизнь отдельных людей, таких, как «качество» водителя Uber. Но только при капитализме социальный труд многих превращается в прибыль для горсточки элитариев: фильтрация может быть сколь угодно «совместной» и «коллаборативной», но вот интересы, которые она служит, являются конкурентными — и очень частными.
Пока многие из нас тратят свободное время на «социальный труд», который позволяет Amazon совершенствовать свою систему рекомендаций, складские рабочие Amazon работают, не имея даже профсоюзов. И работают зачастую в ужасающих условиях, под самым карательным надзором всё тех же «больших данных». Прежде чем коснуться самой работы, давайте быстро осмотрим их рабочее место.
Ключевыми узлами дистрибьюторской сети Amazon являются её склады, которые компания называет «центрами исполнения заказов». Они, как правило, занимают площадь нескольких футбольных полей, заставленных стеллажами. Amazon использует своеобразную форму организации под названием «хаотическое хранение», в которой товары на самом деле не организованы: нет раздела для книг или подраздела для мистической фантастики. Здесь всё перемешано. Вы можете найти детскую книгу в одном контейнере с секс-игрушкой, а упаковку чёрной икры на одной полке с собачьим кормом.
Повторимся: мощное планирование позволяет Amazon экономить на том, что оказывается ненужным. В том числе и на складской организации. Каждый элемент, попадающий в центр исполнения, получает уникальный штрих-код. Оказавшись внутри склада, предметы кладутся в контейнеры, каждый из которых также имеет уникальный код. Программное обеспечение Amazon отслеживает как товары, так и контейнеры по мере их перемещения через склад. Программное обеспечение всегда знает, в каком контейнере находится предмет и где именно он находится. Поскольку предметы всегда можно найти легко, поставки от поставщиков можно выгружать там, где это удобно, без методичной организации и реорганизации.
Хаотическое хранилище Amazon может стать метафорой для системы свободного рынка: на первый взгляд, кажется, что хаос упорядочивает себя сам. Заказы и посылки пролетают по этой системе, и клиенты получают то, что хотят. Но, как и со свободным рынком, при более тщательном осмотре за деревьями хаоса мы видим лес целенаправленного планирования на каждом шагу. Изысканные ИТ-системы наводят порядок в хаотичном хранении, отслеживают предметы с момента их прибытия на склад до момента их отгрузки — и обеспечивают, чтобы всё, как по волшебству, попало на свои места. Всё будет упорядочено, скоординировано и запланировано самым нерыночным образом для любого из этих миллиардов решений о распределении.
Планирование присутствует даже в мельчайших деталях рабочего дня складского работника. Портативные сканирующие устройства сообщают работникам, куда им идти, чтобы собирать товары для заказов. Рабочие — это придатки машин, которые точно определяют, по каким маршрутам следовать между полками и сколько времени это должно занять. Вот как описал эту работу репортер BBC устроившись на склад под видом нового рабочего: «Мы машины, мы роботы, мы включаем наш сканер, мы держим его в руках, но мы можем с таким же успехом подключить его к себе». Ведущий британский исследователь по проблеме стресса на рабочем месте, с которым связался тот же самый журналист BBC, заявил, что «условия на складах Amazon представляют серьёзную опасность для физического и психического здоровья».
Примерно в начале 2010-х топ-менеджеры Amazon определили, что их склады все еще слишком неэффективны, и сами отправились прикупить кое-что получше. В 2012 году Amazon купила робототехническую фирму Kiva Systems, и теперь она использует роботов, чтобы привести в движение свою систему хранения. Обновлённые, ещё более автоматизированные центры исполнения заказов Amazon теперь оснащены полками, которые перемещаются, и людьми, которые стоят на месте, что противоположно тому, как обычно выглядит склад. Плоские роботы, похожие на роботов-пылесосов Roomba, ездят по полу складов по специально нарисованным путям. Они могут поднимать целые стеллажи прямо с пола и перемещать их по тем же путям к «пунктам сбора». Это небольшие специально отведённые места, где стоят люди: сборщики заказов, которые берут предметы из хранилищ и кладут их в корзины для заказа, тогда как стеллажи приезжают и уезжают.
Социальные, физические и моральные издержки той грандиозной машины по доставки нужных вещей нужным людям, которой стала Amazon, в итоге ложатся на её работников, которые и заставляют машину работать — независимо от того, пробирается ли рабочий через лабиринты полок с помощью портативного сканера или собирает заказы на месте, пока роботы снуют вокруг него взад и вперёд. Даже самые горячие сторонники Amazon из журнала Wired пришли в тихий ужас от условий работы на её складах, напоминающих фильм «Новые Времена» с Чарли Чаплином, только перенесённый в XXI век: «Станции упаковки — это вихрь деятельности, где алгоритмы испытывают границы людской выносливости», — писали они.
Другие более критические отчёты были не так добры к Amazon, детально расписывая, во что выливаются такие ежедневные проверки на выносливость. В 2011 году в Лихай-Вэлли (штат Пенсильвания) местная газета «Утренний звонок» исследовала близлежащий центр исполнения заказов Amazon. Рабочие сказали, что каждый день сталкиваются с недостижимыми целями, изнурительной жарой и постоянными угрозами увольнения. В самые жаркие дни года Amazon держала бригаду фельдшеров-парамедиков снаружи складов, чтобы оказывать помощь рабочим, свалившимся с тепловым ударом. Этим дешёвым решением, решением-пластырем, Amazon даёт понять, как низко оно ценит здоровье и безопасность: видимо, гуманные условия труда не являются одним из ограничений оптимизации в его алгоритмах. Только после того, как эта история вызвала целый взрыв в национальных СМИ и подорвала степени либерально-технологический и инновационный имидж её бренда — лишь после этого Amazon начала оборудовать некоторые склады кондиционерами. На самом деле, лишь один из 20 работников, представленных в сюжете «Утреннего звонка», сказал, что Amazon является хорошим местом для работы.
Работники Amazon, опрошенные журналистами, постоянно сообщают о стрессе из-за постоянной слежки. Они боятся оказаться слишком медленными, выбирая или упаковывая предметы, и даже боятся засидеться в туалете, чтобы не получить взыскание за слишком длинную отлучку с рабочего места. Накопил много взысканий — добро пожаловать за ворота. И это чувство постоянной слежки скоро может въесться ещё глубже: в феврале 2018 года Amazon запатентовала браслет, который отслеживает каждое движение рук работника склада в реальном времени.
Но Amazon противопоставляет рабочих не только работе как таковой, но и друг другу. Склады укомплектованы как временными работниками, нанятыми компаниями-субподрядчиками, так и постоянными работниками, нанятыми самой компанией Amazon. Постоянных должностей мало, но они имеют хоть какую-то степень безопасности, слегка повышенную заработную плату и ограниченные льготы. Они висят как морковка перед носом у временных работников, поощряя конкуренцию и переработки — и ещё сильнее подогревая атмосферу неопределённости и страха.
С помощью роботов среднее время сборки заказа на складе, автоматизированном по технологии Kiva, упало с 90 минут до 15. Однако условия труда не изменились: работа остается скучной и изматывающей, на складах по-прежнему жарко, а темп работы остаётся абсурдно высоким, независимо от уровня автоматизации. Пока рабочие на автоматизированных складах день-деньской стоят на ногах и пытаются не отставать от роботов, рабочие на неавтоматизированных складах могут ожидать, что за дневную смену каждый из них пройдёт почти вдвое больше, чем средний почтальон. Даже такие мелочи, как расстояние до комнат отдыха, могут стать препятствием — иногда туда так долго идти, что дорога в обе стороны может занять большую часть перерыва.
Большие смены за маленькую плату — это норма на складе Amazon, но и сравнительно высокооплачиваемые работники Аmazon также сталкиваются с суровой рабочей средой. В 2015 году в New York Times была раскрыта атмосфера постоянных переработок и «преднамеренного дарвинизма», которая выталкивает многих сотрудников «за пределы их физических и эмоциональных возможностей».
Хотя сложное планирование и является рабочей лошадкой Amazon, оно реализуется в рамках правящей идеологии безжалостной конкуренции, которая по-своему выпивает соки что из синих, что из белых воротничков. Иными словами, Amazon делает то самое, что Маркс описал в одном малоизвестном отрывке из «Манифеста коммунистической партии»: «Буржуазия не может существовать, не вызывая постоянно переворотов в орудиях производства, не революционизируя, следовательно, производственных отношений, а стало быть, и всей совокупности отношений общественных». Наша задача должна состоять в том, чтобы отвязать добро, принесённое технологией, от щупалец системы, которая унижает работников и подрывает всякие надежды на более рациональное планирование.
Хотя Amazon и является моделью нового, разрушительного, завязанного на интернет капитализма, она остаётся такой же плановой машиной, как и другие компании. Говоря самыми простыми словами, Amazon — это гигантская машина планирования по распределению товаров. Это механизм прогнозирования, управления и удовлетворения спроса на самый широкий спектр вещей, в которых мы нуждаемся и которые мы хотим. Это собрание тысяч взаимосвязанных оптимизирующих систем, которые работают вместе для выполнения обманчиво простой задачи: для перемещения объектов от производителей к потребителям. Вместо анархии рынка, заходя в Amazon, мы попадаем внутрь сложного устройства планирования, которое даёт не только подсказки о том, как мы можем управлять спросом и предложением потребительских товаров в обществе, не построенном на прибыли, но и предупреждения для будущих планировщиков в интересах общего блага.
Британский экономический журналист Пол Мэйсон говорит об этом в своей книге 2015 года «Посткапитализм», представляя будущее, в котором данные, накопленные Amazon и другими крупными фирмами, работающими с потребителями, используются для регулирования производства. Его видение заключается в том, что всестороннее планирование придёт на смену раздельному и беспорядочному предложению и спросу. По словам Мэйсона, капиталистические технологии в конечном итоге станут средством, которое позволит нам выйти за рамки системы, которая их создала.
Сейчас, вместо того, чтобы оптимизировать удовлетворение наших потребностей и желаний, а также условий труда и жизни работников работников, планы Amazon направлены либо на максимальное увеличение текущей прибыли для своих акционеров — или, опять-таки, на увеличение будущих прибылей, поскольку Amazon продолжает вкладывать деньги от продаж в исследования, IT и физическую инфраструктуру, чтобы выдавливать с рынка своих конкурентов. Планирование ради прибыли, на самом деле — пример неэффективности капиталистического распределения. Технологии планирования, придуманные инженерами Amazon, используются для удовлетворения сильно перекошенного набора социальных потребностей и, в конечном итоге, обогащают лишь немногих собственников компании — не говоря уже о том, что компания злоупотребляет бесплатным «социальным трудом» своих пользователей и откровенно унижает своих работников.
Демократизированной экономике, которая будет работать на благо всего общества, также понадобятся институты, которые узнают об интересах и желаниях людей, оптимизируют с помощью ИТ-систем и распланируют сложные сети дистрибуции, но они будут выглядеть иначе. Возможно, они вообще будут отличаться от наших нынешних систем как истребитель от подводной лодки, потому что они будут стремиться к разным целям.
Но демократическому планированию будут мешать три главных проблемы.
Во-первых, техническая осуществимость столь масштабных задач. Трудности планирования и оптимизации даже для изолированной задачи доставки посылок Amazon показывают, что спроектировать систему планирования в масштабах всей экономики — задача какая угодно, но точно не тривиальная. Алгоритмы, которые питают всё, от рекомендовательной системы Amazon до поисковой системы Google, всё ещё находятся в зачаточном состоянии: они относительно упрощены, не слишком точны и часто терпят неудачу. Алгоритмы могут сталкиваться и с социальными проблемами: например, с рабочими из бедных стран, которые используют для покупок один телефон на нескольких человек. Или с людьми, не говорящими по-английски, где их способность «считывать тонкости» будет ограничена. Но, так или иначе, нам придётся штурмовать не только баррикады, но и оптимизационные задачи.
Во-вторых, планирование, осуществляемое Amazon и другими организациями, по-прежнему сильно зависит от цен на товары за пределами фирмы. Amazon не только продаёт, но и покупает очень многое — от бесчисленного множества предметов, хранящихся на складах, до самих складов, на которых они размещены, и до серверов, на которых работают их базы данных. И закупает всё это она на рынке. А потребители, тем временем, также учитывают относительную стоимость товаров, принимая решение о том, добавлять их в свой список покупок — или не добавлять. За пределами фирмы продолжает действовать рыночная система. Это означает, что речь пойдёт не просто о том, чтобы перепрофилировать существующие технологии, забрав их у боссов, но в остальном сохранив неизменными.
Несмотря на то, что внутри корпораций существует безрыночное планирование, оно представляет собой иерархическое, недемократическое планирования, которое очень необходимо ей для выживания и процветания на рынке. Многие элементы этого аппарата планирования, самая их форма и назначение, обусловлены этой недемократической иерархией. Система демократического планирования, построенная с нуля, будет выглядеть совершенно иначе. Чтобы увидеть, как может выглядеть безрыночный мир, сравните раздел «Книги» Amazon с онлайн-каталогом любой публичной библиотеки. Библиотечный каталог также содержит обширный, удобный для поиска, взаимосвязанный массив книг — но ни единой цены. И мы должны будем использовать гораздо больше информации, чем сейчас содержится в библиотечном каталоге. Например, сколько времени люди тратят на просмотр книги? Сколько страниц они фактически читают? Нажимают ли они, чтобы увидеть, доступна ли бумажная версия книги где-нибудь неподалёку? Добавляют ли они книги в очередь на прочтение? И, кстати, будут ли они это делать, если в такой очереди у них уже стоит десяток других книг? Ну и, само собой, надо сохранять и использовать и весь тот путь, который они проходят через онлайн-каталог, от входа до выхода. Пример расширенного библиотечного каталога показывает, что мы могли бы построить не только рекомендательные инструменты, но и модели интересов, запросов и потребностей, которые не зависят от цен.
И, наконец, в-третьих, пока «большие данные», собранные и обработанные Amazon, являются именно тем инструментом, который поможет преодолеть проблемы масштабных экономических расчётов, и пока они уже используется для этого амазонами и волмартами всего мира (не говоря уже о фейсбуках с гуглами), мы должны признать, что, вместе с потрясающими возможностями для укрепления свободы, гигантские массивы данных, хранимых как корпорациями, так и государствами, могут ничуть не хуже использоваться и для ограничения свободы.
История главного соперника Walmart, фирмы Target, отправлявщей спецпредложения на подгузники и детское питание будущим матерям, которые ещё сами не знали, что беременны, на основе данных, извлечённых из изменения структуры их расходов, уже давно не кажутся чем-то невероятным. В наши дни всего один запрос в Google о «плохом сне» может накликать на нас многомесячную бомбардировку рекламой матрасов по всем соцсетям, куда мы только заходим. Есть и более коварные приёмчики: в 2012 году печальную известность получило приложение Girls Around Me, которое вычитывало данные геолокации и соцсетей, чтобы позволить отдельным лицам в два клика получить личные данные на всех женщин в окрестностях, которые зачекинились в Facebook или Foursquare. Британская Daily Mail пошутила, что приложению лучше подошло бы название Let's Stalk Women, а автор научной фантастики Чарльз Стросс, развив эту идею, задался вопросом: а что, если взять другие нарезки социальных данных, то отчего бы антисемитам не создать приложение «Евреи рядом со мной»?
Помимо частного сектора, государства во всем мире тоже всё чаще используют «большие данные» — и злоупотребляют ими. Полицейские департаменты Соединенных Штатов начали экспериментировать с так называемым «профилактическим полицейским надзором» для разработки методов прогнозирования правонарушителей, жертв и мест совершения преступлений. Это выглядит так, словно «прибытие до преступления» со страниц «Особго мнения» Филиппа Дика сошло в реальный мир. Аналогичным образом, китайская «Интегрированная Платформа Совместных Операций» объединяет данные из нескольких источников, включая онлайн-отслеживание и распознавание лиц с камер видеонаблюдения, а также медицинские, юридические и банковские записи, чтобы разыскивать подозреваемых в политическом диссидентстве. Например, в Синьцзяне, спорной территории, на которой тлеет длительный конфликт между ханьским китайским большинством и мусульманским уйгурским меньшинством, подозреваемые берутся в разработку, посещаются полицией, произвольно задерживаются без предъявления обвинения или суда — и даже отправляются в «центры политического образования». Правозащитники обеспокоены тем, что люди в Синьцзяне не в состоянии противостоять такому уровню полицейских технологий. А ведь эти технологии тоже планируются…
Достаточно ли прогрессистам торжественно заявить, что мы-де приняли совет дяди Бена из «Человека-Паука» (ну, о том, что с великой силой приходит великая ответственность) — и что на этот раз, когда мы придем к власти, то будем работать лучше, чем американское или китайское государство?
Есть те, кто беспечно заявляет, что для использования больших наборов данных при планировании, их надо всего лишь анонимизировать или «деидентифицировать», то есть необратимо лишить их ссылок на конкретных людей, которые они содержат. Google и Facebook говорят, что они уже так делают, классифицируя аудиторию своей рекламы по её поведению. В медицинских или других научных исследованиях данные подопытных тоже деидентифицируются для защиты их конфиденциальности. И личные идентификаторы пациентов (такие как имя, дата рождения, номер телефона, адрес и так далее) тоже удаляются из электронных медицинских записей, прежде чем передавать их исследователям или органам здравоохранения или исследователями. Казалось бы, всё просто. Только есть ключевая трудность: всё больше ученых-информатиков признают невозможной надёжную и постоянную деидентификацию данных. Не только технически, но и в принципе невозможной.
Это связано с тем, что, как бы тщательно вы ни анонимизировали набор данных, всегда есть вероятность того, что в будущем его можно будет сравнить с другим набором данных, который выпущен (или получен через неизбежные утечки) таким образом, что по нему можно восстановить личности людей. В личной переписке с нами Кори Доктороу, писатель-фантаст и активист в области цифровых прав, объяснил, как это может работать:
Представьте, что NHS публикует данные врачебных предписаний с указанием врача, времени и места назначения, но без имён пациентов. Тогда представьте, что через год Uber или Transport for London даст утечку, которая высвобождает большой набор путешествий — но уже без анонимизации, с фамилиями, именами и номерами кредиток. Соотнеся эти путешествия с адресами больниц и датами в медицинских рецептах, вы сможете повторно идентифицировать многих людей в «анонимных» данных NHS... Базы данных, хранящиеся в подобных Amazon, хранят семена личного уничтожения для миллионов людей — это может быть что угодно, от анальных пробок и противогрибковых средств — до книг о социализме или атеизме. Обнародование такой базы данных может принести ужасный вред целой куче случайных людей, и закрывать на это глаза, полагая, что «авось нас пронесёт» — не наш выбор.
А ведь такие сценарии — уже не фантастика. В 2017 году популярный мобильный трекер фитнес-маршрутов Strava выложил около 13 триллионов GPS-отметок своих пользователей — так называемый Global Heatmap — публичный, хотя и деидентифицированный, массив из 700 миллионов велопробегов, забегов и заплывов. Это 1,4 триллиона точек широты и долготы общей протяженностью в 16 миллиардов километров, регистрирующих спортивную активность объёмом в 100 000 человеко-лет. Компания очень гордилась тем, что она описала как «самый большой, богатый и самый красивый набор данных в своём роде». Это визуализация двухлетних данных из глобальной соцсети спортсменов Strava. Пару месяцев спустя Натан Рузер, аналитик Австралийского института стратегической политики, аналитического центра оборонного сектора, показал в Twitter, что, поскольку солдаты, моряки и лётчики также входят в число спортсменов, использующих Strava, опубликованные данные также случайно показали «чётко различимые и картографируемые» местоположения американских, российских, австралийских и турецких военных баз, некоторые из которых до этого были засекречены. Было, в частности, отмечено для любого наблюдателя и расположение передовых оперативных баз в афганской провинции Гильменд. Рузер даже заметил точки GPS в Антарктиде, которые, как представляется, не коррелируют ни с одной известной исследовательской установкой. «Нет ли там скрытой базы?» — шутил он — но, как известно, в каждой шутке...
Можем ли мы перепрыгнуть через бесконечный выбор между надзирающим капитализмом и надзирающим коммунизмом? Может ли крупный дистрибьютор товаров, такой как Amazon, или социальная сеть, подобная Facebook, быть построен как международный некоммерческий кооператив, демократически контролируемый обществом, независимым как от рынка, так и от государства?
Мы признаёмся: это трудные вопросы, на которые у нас нет ответов. Но нам всем пора начать думать, как ответить на них.
Настало время для конкретных, а не абстрактных предложений по демократизации глобального управления, экономики и планирования, в том числе по вопросам геолокации, социальных сетей, информационного поиска и анализа данных, машинного обучения и других вычислительных задач. Потому что кот «больших данных» уже выходит из мешка. И вездесущая слежка от корпораций, и вездесущая слежка государства — уже с нами. И нам нужен третий вариант, который выходит за рамки выбора из двух зол между государством и рынком.