Es wird viel darüber diskutiert, ob eine Maschine bessere Arbeit leisten kann als ein Mensch, insbesondere bei Forschungsprojekten wie Ethnografien, deren Durchführung viel Erfahrung und Fachwissen erfordert. Die kurze Antwort lautet natürlich "Ja", und die Beweise lassen sich immer schwerer ignorieren. Das ist einer der Gründe, warum ich in den ersten Jahren nach der Gründung unseres Unternehmens nicht viele "traditionelle" Anthropologen als Freunde hatte. Zumindest damals fiel es ihnen schwer, unsere Technologie und Vision zu glauben. Sie konnten sich nicht mit der Vorstellung anfreunden, dass eine Maschine ihnen helfen könnte, die typischen Fehler zu vermeiden, die sie als Menschen immer wieder machen. Unabhängig von der Erfahrung kann der Mensch allein durch die Tatsache, dass er lebt und atmet und eine Reihe von Werten und Überzeugungen vertritt, nicht zulassen, dass sein Urteil über eine Situation oder eine Reihe von Datenpunkten das daraus resultierende Ergebnis trübt. Ein Problem, das durch die fehlende Skalierung typischer Forschungsprojekte, die von menschlichen Analysen angetrieben werden, nur noch verschlimmert wird.
Diese kurze Fallstudie ist ein weiterer Beweis für meine These. Als ein Expertenteam, dem ein Harvard-Ökonom, drei Informatiker und ein Kautionssachverständiger der Universität Chicago angehörten, in New York City bei einer Reihe großer Stichproben (mehr als 550.000 Angeklagte) von Kautionsanhörungen eine Maschine gegen sehr erfahrene Richter antreten ließ, stellte sich heraus, dass die Maschine wesentlich genauer war, obwohl die Richter über einen großen Erfahrungsschatz verfügten und in der Lage waren, dem vermeintlichen "Täter" in die Augen zu sehen und Entscheidungen mit einem empathischen Blick zu treffen. Wie genau? Der Algorithmus hätte die Kriminalitätsrate (bei Personen, die auf Kaution freigelassen werden) um fast 25 % und die Zahl der Inhaftierungen um bis zu 41 % gesenkt. Der Algorithmus war auch in der Lage, rassistischen Vorurteilen entgegenzuwirken, was, wie Sie wahrscheinlich bereits wissen, an und für sich eine der größten Herausforderungen für das Strafrechtssystem in den Vereinigten Staaten ist.
Als wir unser Unternehmen vor viereinhalb Jahren gründeten, konzentrierten wir uns darauf, Tools zu entwickeln, die nicht nur den Ethnografieprozess unterstützen, sondern vor allem an kritischen Punkten des Prozesses eingreifen können, um menschliche Fehler zu minimieren. Wir wollten einen Grad an Reinheit schaffen, von dem wir theoretisch wussten, dass Big Data und KI ihn ermöglichen könnten - wir hatten ihn nur noch nicht in den Sozialwissenschaften in Aktion gesehen. Insbesondere wollten wir die Tools so entwickeln, dass unsere Forscher gezwungen sind, den natürlichen Spuren zu folgen, die der Verbraucher in jeder untersuchten Kultur hinterlässt. Wir wollten nicht, dass die Forscher auf die Suche nach diesen Spuren gehen müssen (wie es bei der herkömmlichen Vorgehensweise der Fall ist). Und wir wollten auch nicht, dass sie auf dem Weg dorthin Annahmen treffen und Lücken mit ihrem eigenen Wissen und ihrer Erfahrung füllen. Durch eine Reihe von Experimenten und Lernprozessen, die sich über mehr als zwei Jahre erstreckten, fanden wir nicht nur heraus, dass dies möglich war, sondern wir erkannten auch, dass die Maschine mehr als 80 % des Rechercheprozesses übernehmen konnte. Die Datenerfassung, die Modellierung und sogar die Interpretation werden von der Maschine übernommen, die im Wesentlichen eine Karte erstellt, der unsere Forscher und Nutzer folgen können. Die Teile, die das Fachwissen und die Erfahrung des Forschers erfordern, kommen erst viel später im Forschungsprozess - dann nämlich, wenn der Forscher den Brotkrumen des Verbrauchers folgen und aus den Ergebnissen eine Erzählung entwickeln muss. Da die Interpretation der einzelnen Breadcrumbs bereits von der Maschine geliefert wird, ist der Forscher darauf angewiesen, den Sinn der verschiedenen Interpretationsschichten zu verstehen, anstatt sich die Interpretationen auszudenken und dann eine Erzählung daraus zu entwickeln. Dies ist eine bedeutende Errungenschaft in der Welt der Kulturanthropologie und Ethnographie, und ich bin stolz darauf, dass wir bisher noch kein anderes Unternehmen/keine andere Technologie gefunden haben, die dasselbe versucht.
Die erste Version unserer Technologie wurde im Jahr 2017 geboren. Jetzt sind wir bereits bei Version 2 mit erheblichen Fortschritten in der Fähigkeit der Maschine, die Zukunft von Trends, Themen und Kulturen zu interpretieren und vorherzusagen. All das konnten wir erreichen, weil unsere Technologie es uns ermöglicht hat, die Aufgaben, für die Menschen benötigt wurden, weiter nach unten im Prozess zu verlagern - was eine bessere Nuancierung und eine geringere Fehlerquote bedeutet hat. Um auf den Punkt zurückzukommen, mit dem ich diesen Artikel begonnen habe - den Vergleich zwischen Mensch und Maschine - glaube ich nicht, dass wir schon so weit sind, dass die Maschine alles tun kann, was ein menschlicher Anthropologe kann. Durch den Einsatz von Technologie an den richtigen Stellen ist es uns jedoch gelungen, die Rolle des menschlichen Anthropologen (im ethnografischen Prozess) zum Besseren zu verändern, mit einer stärkeren Einbindung in die zweite Hälfte des Forschungsprozesses, wo Beurteilungsfehler minimiert und die Vorteile von KI und Big Data maximiert werden.
Die Ergebnisse sprechen für sich selbst. Insgesamt haben unsere Kunden in den letzten 4+ Jahren mehr als 100 Marken und Produkte mit Hilfe unserer maschinengesteuerten Ethnografien auf den Markt gebracht und dabei mehr als 5 Milliarden an neuen Umsätzen für ihre Unternehmen generiert. Und doch haben wir das Gefühl, dass wir erst am Anfang stehen.