Рента в цифровую эпоху. Страница 3
Здесь наша главная цель в том, чтобы сформулировать теорию рыночной власти платформ и злоупотреблений ею в цифровую эпоху (эта теория послужит основой для работы в будущем). В сопутствующей статье «Алгоритмическая рента компании Amazon» (Strauss et al., 2023) мы глубже рассматриваем применение этих идей (с точки зрения права и экономической политики) к сторонним поставщикам рыночной площадки этой компании. А в статье «Что стоит за кликами: может ли компания Amazon распределять внимание пользователей по своему усмотрению?» (Rock et al., 2023) мы демонстрируем один из подходов к измерению алгоритмических изъятий пользовательского внимания на ее рыночной площадке. Данное исследование является частью более широких усилий по описанию современных выплат экономической ренты (Mazzucato et al., 2023).
2. Теория рентных выплат на цифровых рынках
Экономисты смотрят на цены как на механизм координации экономической деятельности: они суть «сухожилия» невидимой руки рынка. Считается, что цены оптимально распределяют ресурсы между конкурирующими целями в случае, когда они отражают динамическую информацию (о предпочтениях и дефицитности), содержащуюся в миллиардах ежедневных децентрализованных взаимодействий между спросом и предложением. Как отмечает Хайек (Hayek, 1945, p. 1; Хайек, 2000, с. 90), децентрализованным установлением цен решается «проблема использования знания, которое никому не дано во всей его полноте». Рыночное установление цен превосходит любой централизованный механизм координации экономической деятельности, поскольку оно дает гарантию «более полного использования существующего знания», содержащегося в экономике (Hayek, 1945, p. 2; Хайек, 2000, с. 91).
В неоклассической (маржиналистской) теории совершенная информация существует, при этом цены являются оптимальными, поскольку они отражают субъективные оценки полезности потребителей [10] . Напротив, согласно точке зрения Саймона на процесс принятия решений и более поздним работам по поведенческой экономике, совершенной информации не существует. Вместо этого потребители и производители принимают решения, которые определяются не только свойственными человеку ограничениями и предубеждениями, но и теми институтами, которые формируют информацию, доступную лицам, принимающим решения (Simon, 1997). И сегодня причина несовершенства информации зачастую не в том, что ее слишком мало: ее слишком много, а те институты, которые помогают нам управляться с этим изобилием, обладают колоссальной способностью формировать наши решения. Интернет-платформы меняют институциональный контекст и в нескольких отношениях ставят под вопрос традиционный взгляд на то, как принимаются решения на рынках:
1. На информационно сложных рынках платформы в значительной мере передают принятие решений от людей машинам. Поиск в интернете, поиск в системах электронной коммерции, ленты выдачи социальных сетей и другие алгоритмически управляемые рекомендательные системы – примеры таких машин.
2. Эти алгоритмические машины зачастую используются, чтобы состыковать предложение и спрос для товаров и услуг, цены которых не устанавливаются «индивидуально» [11] или же отсутствуют вовсе. Например, в каком-нибудь бесплатном сервисе с рекламным финансированием, таком как Google Search и Facebook [12] , или в подписочном сервисе, таком как Netflix и Spotify, потребителей состыковывают с поставщиками информации без учета цены как фактора. Вместо этого состыковка основана на других, неценовых факторах, позволяющих определить цели и предпочтения потребителя, качество продуктов и сервисов в ассортименте поставщиков и даже надежность и репутацию самих поставщиков. Как отмечали основатели компании Google Ларри Пейдж и Сергей Брин (Brin, 1998), такая платформа, как Google Search, предлагает объективное ранжирование, основанное на такой, казалось бы, субъективной процедуре, как оптимизация по «релевантности» [13] . Во многом напоминая воспетые Хайеком децентрализованные рынки, платформы творят чудеса ресурсного распределения за счет обработки сигналов, основанных на миллионах решений, принятых другими пользователями онлайн и офлайн, в сочетании с данными, как явными и неявными, о личных предпочтениях данного пользователя [14] . Сбор большего объема данных – существенная часть того, что заставляет эти системы работать. Но при обработке этих данных для получения ранжирования по релевантности (соответствию пользовательскому запросу) конкретная алгоритмическая система берет на себя роль невидимой руки и старается либо сохранить процесс конкуренции, либо исказить его.
3. Даже когда цена является одним из факторов (как, например, на рыночной площадке электронной коммерции или рекламы), находящиеся в частной собственности платформенные алгоритмы интернализуют [15] и централизуют изначально децентрализованный рыночный механизм. Более того, этот интернализованный и централизованный рынок непрозрачен. Вместо того чтобы предоставлять потребителям явные сведения об основаниях для ранжирования продуктов и сервисов, алгоритмически порожденное ранжирование использует подразумеваемые значения значительной части такой информации, причем ожидается, что пользователь будет доверять ранжированию, предоставленному платформой. Платформы контролируют отображение информации, а их алгоритмически заполняемые дизайны интерфейсов становятся контекстом для принятия пользовательских решений.
Итак, алгоритмическое распределение внимания дополняет, а иногда и подменяет традиционные рынки в роли ключевого институционального механизма, координирующего экономическую деятельность и формирующего условия, на которых происходит обмен в интернете. В результате алгоритмические системы определяют победителя среди различных производителей информации, конкурирующих за внимание пользователя. Они способствуют не только успешному предоставлению пользователям информационных услуг платформы, но и монетизации между сторонами платформы [16] (например, рекламодателями и пользователями).
Поскольку интернет-платформы, в сущности, интернализовали рыночный механизм, осуществляемое ими алгоритмическое распределение внимания обычно отражает степень наличия конкуренции в рамках платформ и между ними. На конкурентном рынке у платформы есть серьезный стимул к тому, чтобы ее алгоритмы работали честно; как только платформы обретают рыночную власть, они склонны создавать распределения внимания, которые своекорыстны.
Распределение внимания включает в себя выбор вариантов дизайна и поиск компромиссов, поскольку объем внимания конечен и подлежит исчерпанию [17] . Например, платформа, выделяющая под рекламную информацию больше площади в верхней части экрана, способна помешать пользователю уделить внимание более подходящей органической поисковой выдаче, что приведет к оскудению возможностей выбора. Платформа, предоставляющая информацию непосредственно в ответ на запрос, а не перенаправляющая трафик на сторонний сайт, могла бы принести выгоду своим пользователям, хотя это уменьшит выгоду сторонних поставщиков.
Интернет-платформы имеют уникальную возможность для изучения и оптимизации к собственной выгоде указанных компромиссных решений благодаря доступу к данным реального времени об участниках, представленных на всех сторонах платформы. Поскольку миллионы пользователей запускают один и тот же поиск и реагируют на одни и те же рекомендации, платформа способна проводить статистически значимые A/B-тесты [18] с тысячами различных алгоритмических весовых коэффициентов и вариантов дизайна. Google, согласно заявлению компании в 2022 году, провела более 800 000 поисковых экспериментов, которые привели к более чем 4000 изменений в ее поисковой системе (Google, 2023a).