انقلاب جدید در نتیجه گسترش هوش مصنوعی (Artificial Intelligence)، یادگیری ماشین (Machine Learning)، دیجیتال‌سازی (Digitalization) و داده‌محوری یا واژه جدید «datafication» گسترش یافته و به نظر زنجیره آخر رابطه مستقیم و فیزیکی انسان و تولید -این‌بار در بخش خدمات - به مرور منقطع می‌شود.

ماده اصلی این انقلاب دیگر فولاد و بتن و میز کاری و روبات نیست، بلکه داده و تحلیل داده در بطن انقلاب صنعتی چهارم قرار گرفته است- ماده اولیه تولیدی که موجب مناقشات حقوقی بسیار زیادی شده و با چارچوب‌های سیاسی (Industrie ۴.۰ به‌عنوان مثال در آلمان) و حقوقی (به‌عنوان مثال GDPR در سطح اتحادیه اروپا) معرفی شده چند سال اخیر، اقتصادهای پیشرفته آماده جهش بزرگ داده‌محوری شده‌اند.
انقلاب صنعتی سوم که به توسعه صنعتی بعد از دهه۷۰ به واسطه تولید انبوه و اتوماسیون و فراگیری کامپیوتر انجامید، بعد از موتور بخار (انقلاب صنعتی اول) و گسترش برق و موتورهای احتراقی (انقلاب صنعتی دوم) چهره تولید را به‌طور کامل تغییر داد. تا دهه۱۹۷۰، تمرکز بر افزایش بهره‌وری نیروی کار بود. ماشین و وسیله در خدمت تولید بیشتر محصول و در نهایت ثروت ملل قرار گرفته بود. اما از ۱۹۷۰ به بعد، نقش نیروی کار در صنعت به مرور کمرنگ‌تر شد و اتوماسیون و روبات و ماشین با دقت بیشتر، هزینه کمتر، بهره‌وری بالاتر و سرعت بیشتر جای نیروی دست انسان را گرفت.

در اصل، این تغییر بسیار شبیه به ابداع تراکتور و استفاده از آن در دوران انقلاب کشاورزی بود: ماشین جای انسان را گرفت و نقش نیروی کار به مدیریت، بهینه‌سازی و خلاقیت ارتقا یافت‌. در نتیجه این روند اتوماسیون در بخش‌های کشاورزی و صنعتی، درصد بیشتری از جامعه (در نمودار زیر، ایالات متحده) به بخش خدمات جذب شدند.

اما انقلاب صنعتی چهارم با خودکارسازی فرآیندهای خدماتی همچون ترجمه، مشاوره، گزارش‌نویسی، برنامه‌نویسی و حسابداری و حتی تالیف متن اصیل انسان را به مرور از تولید خدمات هم قطع می‌کند. با احتساب تجربه مثبت افزایش بهره‌وری ناشی از قطع رابطه انسان و کشاورزی و سپس صنعت، نباید آن‌چنان به حلقه آخر رابطه انسان و تولید خدمات با نگرانی و اضطراب نگریست. مهم‌تر آنکه جنس این روند با انقلاب‌های گذشته قابل قیاس نیست و انقلاب جدید نتیجه فعالیت تقریبا همه شهروندان کره زمین است؛ مادامی که به شبکه جهانی اینترنت وصل باشند. با این تفاسیر و در نظر گرفتن جوانب، هیچ نیروی طبیعی یا سیاستی توانایی کند کردن این چرخه را ندارد؛ چراکه پیشرفت این انقلاب به شکل بی‌نهایت غیر متمرکز و از هر گوشی تلفن همراه و کامپیوتر صورت می‌گیرد. اما چگونه؟ چه ساختار حقوقی می‌تواند از سوءاستفاده از این منبع تولید محافظت کند؟
بسیاری از سیستم‌های جمع‌آوری داده به شکل مداوم داده‌های مربوط به مصرف‌کنندگان اینترنت و محصولات را جمع‌آوری و تحلیل می‌کنند. بهینه‌سازی تحلیل این جنس داده نیز عموما با جمع‌آوری داده‌های بیشتر و استفاده از پردازش ابری پرقدرت صورت می‌پذیرد: در اصل داده هم ارزش اطلاعات برای کاهش هزینه نهایی تولید پیدا می‌کند و هم موتور متحرک بهینه‌سازی تحلیل می‌شود؛ چراکه مدل‌های یادگیری ماشین و هوش مصنوعی را در معرض امتحان مداوم قرار می‌دهد.

اما این پایان کار داده در تولید نیست: شرکت‌های متمرکز بر جمع‌آوری و تحلیل داده با همکاری با شرکت‌های تولیدی این ماده خام را تبدیل به دانش و نهاده تولید مناسب آن شرکت می‌کنند‌. به‌عنوان مثال، گوگل به‌عنوان بزرگ‌ترین شرکت تبلیغاتی آنلاین به شرکت‌های کوچک‌تر مشاوره بازاریابی و تولید محصول مختص هرمشتری (Client-level Tailored Product) بر مبنای جست‌وجو‌ها و صفحات بازدیدشده می‌کند.

به این ترتیب، هزینه بازاریابی کور پایین می‌آید و شرکت‌ها می‌توانند از تبلیغات موثر و ارزان اینترنتی به جای بیلبوردهای گران بزرگراهی و تبلیغ‌های گزاف تلویزیونی استفاده کنند‌. مثال استفاده از چنین سیستمی را می‌توان در همکاری گوگل(Maps Service)، تسلا (خودروهای خودران) و شرکت تاکسی اینترنتی اوبر دید.

نه تنها جمع‌آوری داده در سطح نقشه، ترافیک و مسیریابی به خودروهای خودران تسلا که در اوبر فعال هستند، اطلاعات دقیق برای سرویس بهتر می‌دهد، اطلاعات مشتری در حیطه مسیر و ساعات پر‌تردد به قیمت‌گذاری دقیق و متناسب با فعالیت مشتری کمک می‌کند.

آنچه تا اینجا به‌طور دقیق و چندباره تکرار شد، استفاده شرکت‌ها از اطلاعات شخصی مصرف‌کنندگان است‌. این مساله چندین بار موجب مناقشه و جدل در سطح قانون‌گذاری اقتصادهای پیشرفته‌تر قرار گرفته و ‌سازوکارهای جدید حقوقی برای محافظت از حریم و حقوق مصرف‌کننده (که به تولیدکننده داده تبدیل می‌شود) طراحی شده‌اند.

به‌عنوان مثال، اتحادیه اروپا در سال ۲۰۱۶ «سازوکار عمومی محافظت از داده» یا «General Data Protection Regulation: GDPR» را به کلیه کشورهای اتحادیه دیکته کرد‌. طبق این قانون، مصرف‌کنندگان در هر لحظه باید توانایی شناخت نوع داده‌های جمع‌آوری‌شده و عمق آنها را بدانند.

مهم‌تر آنکه این لایحه همه شرکت‌ها را موظف می‌کند که داده‌ها را ناشناس ذخیره کنند (تنها با آی‌دی‌های سری و قفل‌شده) و به مصرف‌کنندگان اجازه دهند که در هر لحظه اطلاعات مربوط به خود را از حافظه ابری پاک کنند.

این نوع داده‌های آنلاین معمولا از طریق کوکی‌ها (cookies) جمع‌آوری می‌شوند و تخطی هر شرکت از این قانون می‌تواند جریمه بسیار سنگین مالی - تا ۴درصد کل فروش سالانه جهانی شرکت- به بار داشته باشد‌. به این ترتیب، نه تنها حقوق و حریم شخصی مصرف‌کنندگان تضمین می‌شود، تولیدکننده نیز با بهره بردن از شفافیت یک سیستم حقوقی می‌تواند از نااطمینانی‌های موجود ناشی از شکایات مصرف‌کنندگان بپرهیزد و هزینه‌های خود را کاهش دهد.

به این ترتیب، اهمیت اقتصادی و حقوقی اقتصاد دیجیتال که پایه و اساس رشد دهه‌های آینده خواهد بود بیشتر مشخص می‌شود. اقتصاد دیجیتال نیاز به داده به‌عنوان سوخت و ماده اولیه تولید دارد و داده‌محوری نیاز به یک چارچوب حقوقی و سیاست صنعتی مشوق پیدا می‌کند.

مهم‌تر آنکه شرکت‌های فعال در حیطه جمع‌آوری و پردازش داده نیز می‌توانند با یادگیری از سامانه‌های محافظتی شرکت‌های خارجی، هزینه‌های خود را کاهش دهند و از داده‌های مشتریان و عوامل بیرونی بهترین استفاده را ببرند. اهمیت این چارچوب حقوقی در نشت اطلاعات شرکت اسنپ نیز آشکار شد: زمانی که عامل سوم به داده‌های مشتریان دسترسی یافت، داده‌ها ناشناس ‌نشده بودند (نیاز به Pseudonymisation) و اطلاعات حساس (ولی بی‌اهمیت برای اسنپ همچون نام، شماره تلفن و آدرس) از سیستم پاک نشده بودند.

چنین اطلاعاتی را شرکت‌های مبتنی بر فعالیت آنلاین می‌توانند کدگذاری کرده و خود را از هزینه‌های گزاف ریالی و اعتباری مانند خدشه به خوشنامی شرکت در امان بدارند.
سیاوش محدث، محقق اقتصادی در دانشگاه لوئیس و ماستریخت
منبع: دنیای اقتصاد