特にエスノグラフィーのような、実施に多大な経験と専門知識を必要とする調査プロジェクトでは、機械が人間よりも優れた仕事をできるかどうか、多くの議論がある。もちろん短い答えはイエスであり、その証拠はますます無視できなくなってきている。会社を立ち上げて間もない頃、私が「伝統的な」人類学者を友人としてあまり持たなかった理由の1つでもある。少なくとも当時は、私たちのテクノロジーやビジョンが信じがたいものだと感じていた。機械が、人間である彼らが何度も何度も犯してしまう典型的な間違いを避ける手助けをしてくれるという考えを、彼らは理解できなかったのだ。どのような経験をしたにせよ、人間は、単に生きて呼吸し、一連の価値観や信念を持つという行為を通じて、状況や一連のデータポイントに対する判断を、結果として曇らせる方法を見つけることができない。この問題は、人間による分析によって推進される典型的な研究プロジェクトのプロセスにおけるスケールの欠如によって、さらに悪化する。
この短いケーススタディは、私が言いたいことのさらなる証拠である。ハーバード大学の経済学者、3人のコンピュータ科学者、シカゴ大学の保釈専門家を含む専門家チームが、ニューヨーク市の一連の大規模サンプル（55万人以上の被告人）の保釈審理について、熟練した裁判官と機械を比較したところ、裁判官の豊富な経験と「犯罪者」とされる人物の目を見て、共感的なレンズを通して判断する能力にもかかわらず、機械の方が著しく正確であることがわかった。どのくらい正確なのか？このアルゴリズムによって、（保釈された者の）犯罪率はほぼ25％減少し、刑務所の収容率は最大41％減少したことになる。このアルゴリズムはまた、人種的偏見を打ち消すこともできた。すでにご存知のことだろうが、それ自体が米国の刑事司法制度が直面している最大の課題のひとつである。
4年半前に会社を立ち上げたとき、私たちはエスノグラフィーのプロセスを支援するだけでなく、最も重要なこととして、プロセスの重要なポイントで介入し、人的ミスを最小限に抑えることができるツールを構築することに重点を置いて始めました。私たちは、理論的にはビッグデータとAIが可能にするとわかっていた純粋さのレベルを作りたかったのです。具体的には、研究対象であるあらゆる文化の消費者が残した自然なパンくずを研究者が辿らざるを得ないような形でツールを構築したかった。私たちは、研究者がパンくずを探すようなことはしたくなかった。また、研究者自身の知識や経験でギャップを埋め、その過程で仮説を立てることも避けたかった。年以上にわたる一連の実験と学習を通じて、私たちはこれが可能であることを発見しただけでなく、リサーチ・プロセスの80％以上を機械が担うことができることにも気づいた。データ収集、モデリング、そして解釈まで、すべてが機械によって行われ、基本的に研究者とユーザーがたどるべき地図を描く。リサーチャーが消費者のパンくずをたどり、発見から物語を発展させるのだ。これらのパンくずの解釈は、すでに機械によって提供されているので、研究者は、解釈を考え出し、それから物語を構築しなければならないのではなく、解釈の様々なレイヤーの意味を理解するために頼りにされる。これは文化人類学と民族誌学の世界における重要な功績であり、同じことを試みている他の企業やテクノロジーにまだ出会っていないことを誇りに思う。
私たちのテクノロジーの最初のバージョンは2017年に誕生しました。トレンド、トピック、文化の未来を解釈し予測するマシンの能力が大幅に進歩し、現在すでにバージョン2に突入している。私たちがこのようなことを実現できたのは、私たちのテクノロジーによって、人間が必要としていた作業をプロセスのさらに下流にシフトさせることができたからです。そこで、この記事の冒頭で述べた「人間と機械の比較」に話を戻すと、機械が人間の人類学者にできることをすべてできる段階にはまだ達していないと思う。しかし、適切な場所でテクノロジーを活用することで、私たちは（エスノグラフィープロセスにおける）人間の人類学者の役割をより良いものに変えることができました。判断ミスが最小限に抑えられ、AIとビッグデータの利点が最大限に発揮される調査プロセスの後半により深く関わることができるのです。
その結果が物語っています。過去4年以上にわたって、私たちのクライアントは、私たちのマシン主導のエスノグラフィーを使って100以上のブランドや製品を立ち上げ、彼らのビジネスに50億以上の新たな収益をもたらしました。しかし、私たちはまだ始まったばかりだと感じています。