miércoles, 12 de abril de 2017

Cómo el precio de la hoja de afeitar cambió la forma de fijar precios





Cómo una navaja revolucionó la forma en que pagamos por las cosas
Por Tim Harford | BBC World Service



Una maquinilla de afeitar antigua y una hoja de afeitar 

El hombre que fundó la corporación Gillette, King Camp Gillette, tuvo algunas ideas filosóficas sorprendentes.
En 1894, Gillette publicó un libro argumentando que "nuestro actual sistema de competencia" engendra "extravagancia, pobreza y crimen".
Abogó por un nuevo sistema de "igualdad, virtud y felicidad", en el que una sola empresa -la United Company- haría todas las necesidades de la vida, lo más rentable posible.
El libro de Gillette pedía que todos en Norteamérica vivieran en una sola ciudad, llamada Metrópolis.
Imaginó "casas de apartamentos gigantescas ... sobre una escala de magnificencia tal como ninguna civilización ha conocido jamás", conectada por parques artificiales con "cúpulas de vidrio coloreado en bellos diseños".
Sería, dijo, "una infinita galería de hermosura". Su idea no despegó.
Pero un año más tarde, en 1895, el rey Camp Gillette tuvo otra onda cerebral que realmente cambió el mundo. Él inventó la hoja de afeitar desechable.

Revolucionó más que afeitarse. La hoja de Gillette condujo a un modelo de negocio que se ha convertido en omnipresente en la economía moderna. Ese modelo se llama precio de dos partes.
Si alguna vez has comprado cartuchos de reemplazo para una impresora de inyección de tinta, bien puede haber sido molesto para descubrir que cuestan casi tanto como usted pagó por la impresora en sí.
Eso parece no tener sentido.
La impresora es una pieza razonablemente grande y complicada de la tecnología. ¿Cómo se puede añadir sólo una cantidad insignificante al costo de suministrar un poco de tinta en diminutas macetas de plástico?
La respuesta, por supuesto, es que no lo hace. Pero para un fabricante, la venta de la impresora barata y la tinta caro es un modelo de negocio que tiene sentido.
Después de todo, ¿cuál es la alternativa? Comprar una nueva impresora de un fabricante rival? Mientras que es incluso levemente más costoso que la nueva tinta para su impresora actual, usted pagará renuente para arriba.


King Camp Gillette se dio cuenta de que podía cobrarle a la gente una prima por las cuchillas de su maquinilla de afeitar

El precio en dos partes también se conoce como el modelo de "afeitadoras y cuchillas", porque ahí es donde primero llamó la atención - atraer a la gente con una maquinilla de afeitar con precios atractivos y luego recargarlos repetidamente por cuchillas de repuesto costosas.
Antes del rey Camp Gillette, las maquinillas de afeitar eran más grandes, asuntos más chunkier - y un gasto bastante significativo que cuando la lámina consiguió embotado, usted sharpen - o "strop" - él, no tirarlo lejos y comprar otro.
Gillette se dio cuenta de que si inventaba un soporte inteligente para la hoja, para mantenerla rígida, podía hacer que la hoja fuera mucho más delgada y, por lo tanto, mucho más barata de producir.
Sin embargo, no encontró inmediatamente el modelo de precios en dos partes. Inicialmente, hizo que ambas partes fueran caras.
La maquinilla de afeitar de Gillette cuesta $ 5 (£ 4) - aproximadamente un tercio del salario semanal del trabajador promedio.



La maquinilla de afeitar de Gillette era tan deslumbrantemente exorbitante que el catálogo de Sears de 1913 le ofreció una disculpa que no se le permitió legalmente descontar el precio.
También se incluyó una advertencia que suena molesto: "Gillette razas de seguridad se citan para el alojamiento de algunos de nuestros clientes que quieren esta maquinilla de afeitar En particular, no afirman que esta maquinilla de afeitar dará una mejor satisfacción que las máquinas de afeitar de menor precio citados en esta página."
El modelo de rasuradoras baratas y cuchillas caras evolucionó sólo más tarde, ya que las patentes de Gillette expiraron y los competidores entraron en el acto.
Hoy en día, el precio de dos partes está en todas partes.
Considere la PlayStation 4.


La Sony PlayStation 4, que salió a la venta en noviembre de 2013, ha superado los 40 millones de ventas en todo el mundo

Cada vez que Sony vende uno, pierde dinero: el precio al por menor es menor que el que cuesta fabricar y distribuir. Pero eso está bien, porque Sony hace su dinero cada vez que un dueño de PlayStation 4 compra un juego.
¿O qué tal Nespresso? Nestlé no se beneficia de la venta de la máquina, sino de las vainas de café.
El valor de la inercia
Obviamente, para que este modelo funcione necesitas alguna manera de evitar que los clientes pongan cuchillas baratas y genéricas en tu maquinilla de afeitar.
Una solución es legal: proteger patentes sus cuchillas. Pero las patentes no duran para siempre. Las patentes sobre vainas de café han comenzado a expirar, por lo que marcas como Nespresso ahora se enfrentan a los competidores que venden alternativas baratas y compatibles.
Algunos están buscando otro tipo de solución: tecnológica.
Al igual que los juegos de otras personas no funcionan en la PlayStation, y los cartuchos de impresión no marcados pueden no funcionar en algunas impresoras, las compañías de café han puesto lectores de chips en sus máquinas para detener sneakily tratando de elaborar una taza genérica.


Nespresso gana más dinero vendiendo sus vainas de café que las máquinas de café

Los modelos de precios en dos partes funcionan imponiendo lo que los economistas llaman "costos de conmutación". ¿Quieres preparar el café de otra marca? Entonces compre otra máquina.
Son especialmente frecuentes con los productos digitales. Si tienes una enorme biblioteca de juegos para tu PlayStation, o libros para tu Kindle, es una gran cosa para cambiar a otra plataforma.
Los costos de cambio no tienen que ser financieros. Pueden venir en forma de tiempo, o molestia.
Si ya estoy familiarizado con el software Adobe Photoshop, podría preferir pagar una actualización cara en lugar de comprar una alternativa más barata, que tendría que aprender a utilizar.
Es por eso que los vendedores de software ofrecen pruebas gratuitas y por qué los bancos y las empresas de servicios públicos ofrecen tarifas especiales para atraer a la gente. Cuando suben el precio en silencio, muchos no se molestarán en cambiar.

Aceptación desconcertante

Cambiar los costos puede ser psicológico, también - un resultado de la lealtad de la marca.
Si el departamento de marketing de Gillette me persuade de que las cuchillas genéricas dan un afeitado inferior, entonces felizmente seguiré pagando por las cuchillas de marca Gillette.
Eso puede explicar el hecho de otra manera curioso que los beneficios de Gillette aumentaron después de que sus patentes expiraran y los competidores pudieran hacer las láminas compatibles.

Tal vez, para entonces, los clientes se habían acostumbrado a pensar en Gillette como una marca de gama alta, vale la pena pagar una prima por.
La fijación de precios en dos partes puede ser altamente ineficiente, y los economistas han desconcertado por qué los consumidores lo defienden. La explicación más plausible es que se confunden.
O no se dan cuenta de que serán explotados más tarde, o se dan cuenta, pero les resulta difícil pensar con antelación y elegir el mejor trato.
La ironía es que el modelo de afeitadoras y cuchillas - cobrando a los clientes una prima por lo básico como la tinta y el café - es lo más lejos posible de la visión de King Camp Gillette de una sola Compañía Unida produciendo las necesidades de la vida lo más barata posible.
Evidentemente, es más fácil inspirar un nuevo modelo de negocio que un nuevo modelo para la sociedad.

domingo, 9 de abril de 2017

(Grandes) Tendencias en el mercado de software





Tendencias del mercado de software
SoftResources




Debido a que el mercado de software empresarial evoluciona tan rápidamente, es importante seguir las últimas tendencias del mercado de software para que pueda utilizar la tecnología como una ventaja estratégica para su empresa. Las mejoras tecnológicas y funcionales en el software empresarial pueden tener un gran impacto en la forma de hacer negocios. Las siguientes son las principales 7 tendencias recientes del mercado de software que hemos observado en nuestro trabajo de evaluación de software.

Cloud / Software como servicio (SaaS)

En los últimos años, las soluciones de software Cloud (también conocidas como Software as a Service (SaaS)) han ido ganando aceptación en el mercado. En términos básicos, la nube es realmente sólo un método de entrega de software diferente. En este escenario, un proveedor de software aloja la aplicación de software y los clientes acceden a ella a través de Internet. El modelo Cloud puede ser particularmente atractivo para las empresas más pequeñas que tienen personal de tecnología limitada. Las implementaciones en la nube para ciertos tipos de software, como Customer Relationship Management (CRM), HR / Payroll, Project Management y software de contabilidad de gama baja han estado creciendo. Por otro lado, los sistemas ERP para medianas y grandes empresas no han recibido una aceptación generalizada debido a preocupaciones de costos y seguridad, pero ahora están cambiando y más empresas están abriendo la posibilidad de usar soluciones Cloud ERP.

Mania de fusiones

Las fusiones, adquisiciones, asociaciones y alianzas estratégicas entre los proveedores de software de negocios han sido muy activas en la última década. Estas fusiones pueden tener un impacto en los sistemas de su empresa, por lo que debe estar preparado para el día en que su proveedor de software puede ser adquirido.

Bases de datos

Desde el punto de vista técnico, los proveedores de software se han centrado en tres bases de datos: Oracle, Microsoft SQL Server e IBM DB2. Otra base de datos que vale la pena mencionar es Progress (particularmente en las industrias de manufactura y distribución). Pervasive SQL es común para los proveedores que se están centrando en el extremo inferior del mercado. Estas bases de datos relacionales permiten a los proveedores de software de negocios almacenar y recuperar datos y proporcionar excelentes capacidades de informes ad hoc.

Expansión funcional

Los proveedores de software continúan agregando nueva funcionalidad a su software. Ellos están trabajando para convertirse en un "one-stop-shop" para proporcionar toda la funcionalidad que necesita de un proveedor. Ellos están haciendo esto a través del desarrollo de productos, así como la adquisición. Esto ha llevado a una explosión de nuevos desarrollos y funcionalidades disponibles, incluyendo Customer Relationship Management (CRM), recursos humanos / nómina, y la funcionalidad de comercio electrónico para nombrar unos pocos.

Proveedores de nivel 1 se trasladan al mercado medio

Los proveedores de nivel 1, como Oracle y SAP (ver el gráfico de niveles en la Visión general del mercado de software) han estado expandiendo sus esfuerzos de marketing hacia abajo para penetrar en el mercado intermedio. Ellos están haciendo esto con diferentes estrategias incluyendo la oferta de versiones reducidas, preconfiguradas de sus aplicaciones, probando nuevos métodos de implementación, buscando nuevos canales de distribución para vender e implementar su software, y adquirir software de mercado medio. (Un buen ejemplo de este enfoque es la adquisición de SAP del producto de software Business One para el mercado intermedio y su desarrollo de Business by Design, una solución de Cloud desarrollada internamente que se enfoca en el mercado de menor a mediano).

Proveedores de nivel 3 y 4 se trasladan al mercado superior

Por otro lado, los vendedores de software que tradicionalmente han enfocado sus aplicaciones hacia organizaciones más pequeñas (vea el gráfico de niveles en la Visión general del mercado de software) están moviendo sus productos hacia arriba para apuntar a los mercados empresariales de nivel 1 y 2. Estos proveedores han mejorado significativamente la funcionalidad y escalabilidad permitiendo que las empresas más pequeñas crezcan sin tener que cambiar de sistemas. (Microsoft es el más agresivo en este espacio con el producto Dynamics AX). El desafío que enfrentan estos proveedores es tener un canal de implementación que puede manejar implementaciones de software más complejas.

Capacidades de Internet

El Internet ha abierto nuevas oportunidades para conducir negocio en la economía de hoy. Los proveedores de software han desarrollado funcionalidades para aprovechar esta tecnología, incluyendo el acceso a navegadores web, portales web para clientes y proveedores, tecnologías móviles con teléfonos inteligentes y tabletas, capacidades de comercio electrónico y mucho más.

viernes, 7 de abril de 2017

Mercado de software: Una descripción de niveles





Descripción general del mercado de software
SoftResources


En nuestra opinión, el mayor error que cometen las empresas al comprar una nueva solución de software es que compran en exceso software. Ellos compran software que es demasiado complejo, difícil de implementar, y pagar demasiado dinero. Esto se aplica no sólo a las empresas más pequeñas, sino también a las grandes empresas Fortune 500. ¡No cometas ese error!

Esta visión general del mercado de software le ayudará a clasificar mejor a los proveedores de software para que pueda centrarse en los proveedores adecuados que se adapten a su empresa. SoftResources divide el mercado de software en 5 niveles. Notará que hay una superposición significativa entre los diferentes niveles. Esto se debe a que los productos de software se han vuelto cada vez más escalables en los últimos años permitiendo a las empresas de varios tamaños crecer con el software. Te recomendamos que mires un nivel por encima y un nivel por debajo de tu nivel objetivo. Esto asegura que no se pierda una compra de ganga, pero también le permite ver funcionalidad adicional que podría obtener pagando un poco más.


Tabla de niveles de mercado de software


Nivel 1 - Software de empresa

Este nivel de software es para grandes empresas Fortune 500, multi-ubicación y multinacionales. Son empresas complejas que requieren complejas implementaciones que normalmente tienen que interactuar con múltiples sistemas. Los principales actores de este mercado son ahora SAP y Oracle.

Nivel 2 - Software del Mercado Superior

The Upper Market se centra en empresas que todavía son bastante complejas y requieren un trabajo importante de implementación, pero no son tan grandes como las compañías de Nivel 1. Sorprendentemente, hay un montón de proveedores de software que se centran en este mercado. Ofrecen una funcionalidad significativa típicamente a un costo y una complejidad más bajos que los proveedores de Nivel 1. Si usted es una empresa de nivel 1 o de nivel 2, le recomendamos que considere algunas de las alternativas en este mercado ya que le ahorrará mucho dinero y esfuerzo de implementación. Este nivel incluye proveedores como Infor / Lawson, IFS, MS Dynamics AX y muchos otros.

Nivel 3 - Software de Mercado Medio

El mercado medio es un mercado enorme y los vendedores de software están realmente centrándose en él. Algunos de los principales jugadores que puede haber oído hablar incluyen Microsoft Dynamics NAV y GP, Sage, Exacto, Infor, Syspro, SAP Business One, NetSuite, y una gran cantidad de otro software. Encima de estos vendedores generales, hay una tonelada de soluciones verticales del mercado que se centran en una industria particular tal como fabricación (Infor, Epicor, Consona), distribución (Activant, Infor, etc.), gobierno (Springbrook, Tyler, nuevo mundo , Etc.) y muchos otros. Si su empresa cae en la categoría de nivel 3, usted tiene un montón de opciones para elegir.

Nivel 4 - Software del mercado inferior

Las empresas del mercado de nivel 4 son empresas más pequeñas que han superado las soluciones Nivel 5. Requieren más funcionalidad específica de la industria, pero no tienen un alto número de usuarios. Los vendedores de software tienen buenas soluciones para este mercado con software de bajo costo y soluciones escalables, como Sage - MAS 90, Accpac y otros.

Nivel 5 - Mercado de software empaquetado 

Frecuentemente llamado el mercado Small Office / Home Office (SOHO), este software cuesta entre US$ 100-500 y normalmente se compra en la tienda de software local e implementado por el usuario final. Los principales actores de este mercado son Sage Peachtree, QuickBooks Intuit, Sage Simply Accounting, Intuit Quicken y otros. A pesar de que tienen plantillas de la industria, estos sistemas no permiten la personalización del software y no están construidos para tener un gran número de usuarios en el sistema.

Notará que algunos vendedores de software tienen productos que apuntan a múltiples niveles. Por ejemplo, Sage tiene los siguientes productos: Sage 50 (Peachtree (Nivel 5)), Sage 100 ERP (MAS 90 (Nivel 4 y 3)), Sage 500 ERP (MAS 500 (Nivel 3 y Nivel inferior 2)) y Sage ERP X3 (nivel 3 y nivel inferior 2). Cuando se habla con proveedores que tienen varios productos, asegúrese de que está muy claro qué producto de software está hablando. A pesar de que pueden tener nombres similares, son productos completamente diferentes escritos en código diferente y con diferentes funcionalidades, por lo que si usted supera un producto que tendrá que implementar un producto completamente diferente.

jueves, 6 de abril de 2017

Concentración industrial: Índice Herfindahl-Hirschman





¿Qué es el 'Índice Herfindahl-Hirschman - IHH'?
Investopedia

El índice de Herfindahl-Hirschman (IHH) es una medida comúnmente aceptada de concentración de mercado. Se calcula cuadrando la cuota de mercado de cada empresa que compite en un mercado, y luego suma los números resultantes, y puede variar de cerca de cero a 10.000. El Departamento de Justicia de los Estados Unidos usa el IHH para evaluar posibles problemas de fusiones.

Desarmando 'Índice Herfindahl-Hirschman - IHH'

Cuanto más cerca está el mercado de ser monopolio, mayor es la concentración del mercado (y menor es su competencia). Si, por ejemplo, hubiera una sola empresa en una industria, esa empresa tendría una cuota de mercado del 100%, y el IHH sería igual a 10.000, indicando un monopolio. Si hubiera miles de empresas compitiendo, cada una tendría casi un 0% de cuota de mercado, y el HHI estaría cerca de cero, lo que indica una competencia casi perfecta.
El Departamento de Justicia de EE. UU. Considera un mercado con un HHI de menos de 1.500 para ser un mercado competitivo, un IHH de 1.500 a 2.500 para ser un mercado moderadamente concentrado y un IHH de 2.500 o mayor para ser un mercado altamente concentrado. Como regla general, las fusiones que aumentan el IHH en más de 200 puntos en mercados altamente concentrados plantean preocupaciones antimonopolio, ya que se supone que aumentan el poder de mercado bajo el apartado 5.3 de las Directrices de Fusión Horizontal emitidas conjuntamente por el Departamento y la Comisión Federal de Comercio .



Ejemplo de Herfindahl-Hirschman 
Cálculos de ejemplo
El IHH se calcula tomando la cuota de mercado de cada empresa en la industria, cuadrándolos y sumando el resultado:

(Donde s es la cuota de mercado de cada empresa expresada como un número entero, no decimal)
Considere la siguiente industria hipotética con cuatro empresas totales:
  • Cuota de mercado de la empresa uno  = 40%
  • Cuota de mercado de la empresa dos = 30%
  • Cuota de mercado de la empresa dos = 15%
  • Cuota de mercado de la empresa dos = 15%
El IHH se calcula como:

IHH = 40 ^ 2 + 30 ^ 2 + 15 ^ 2 + 15 ^ 2 = 1,600 + 900 + 225 + 225 = 2,950

Esto se considera una industria altamente concentrada, como se esperaba ya que sólo hay cuatro empresas. Sin embargo, el número de empresas en una industria no indica necesariamente nada sobre la concentración del mercado, por lo que es importante calcular la IHH. Por ejemplo, supongamos que una industria tiene 20 firmas. La empresa tiene una cuota de mercado del 48,59% y cada una de las 19 empresas restantes tiene una cuota de mercado del 2,71% cada una. El IHH sería exactamente 2.500, lo que indica un mercado altamente concentrado. Si la empresa número uno tenía una cuota de mercado del 35,82% y cada una de las restantes empresas tenía una cuota de mercado del 3,38%, el IHH sería exactamente de 1.500, indicando un mercado competitivo.



martes, 21 de marzo de 2017

El ascenso de los abogados robots


Álvaro Domínguez
Ascenso de los Robolawyers
Cómo la representación legal podría venir a parecerse a TurboTax



JASON KOEBLER - The Atlantic

Cerca del final de Henry VI, parte 2 de Shakespeare, Dick el Carnicero ofrece un plan simple para crear el caos y ayudar a su grupo de forasteros a ascender al trono: "Vamos a matar a todos los abogados". Aunque lejos de la más bella frase de Bardo , Es sin embargo uno de sus más duraderos. Todos estos años más tarde, la ley sigue siendo la profesión más odiada de América y una de las menos de confianza, ya sea por estudios científicos o encuestas informales de opinión.

Afortunadamente, nadie está ahí asesinando sistemáticamente abogados. Pero los avances en la inteligencia artificial pueden disminuir su papel en el sistema legal o incluso, en algunos casos, reemplazarlos por completo. Esto es lo que tenemos que ganar -y lo que deberíamos temer- de estas tecnologías.

1 | Demandas para minusválidos

Durante años, la inteligencia artificial ha estado automatizando tareas -como peinar a través de montañas de documentos legales y palabras clave resaltantes- que antes eran ritos de paso para abogados menores. Los bots pronto podrían funcionar como cuasi empleados. En el último año, más de 10 grandes firmas de abogados han contratado a Ross, un abogado robótico impulsado en parte por la inteligencia artificial de Watson de IBM, para realizar investigación legal. Ross está diseñado para aproximarse a la experiencia de trabajar con un abogado humano: Puede entender las preguntas formuladas en inglés normal y proporcionar respuestas analíticas específicas.

Más allá de ayudar a preparar los casos, AI también podría predecir cómo van a soportar en la corte. Lex Machina, una compañía propiedad de LexisNexis, ofrece lo que denomina "moneyball advocacy". Aplica el procesamiento de lenguaje natural a millones de decisiones judiciales para encontrar tendencias que puedan ser utilizadas por una firma de abogados. Por ejemplo, el software puede determinar qué jueces tienden a favorecer a los demandantes, resumir las estrategias jurídicas de los abogados que se oponen en función de sus historias de casos y determinar los argumentos más probables para convencer a jueces específicos. Una empresa con sede en Miami llamada Premonition va un paso más allá y promete predecir el ganador de un caso antes de que incluso va a los tribunales, sobre la base de análisis estadísticos de veredictos en casos similares. "¿Qué abogados ganan ante qué jueces? Premonition sabe ", dice la compañía.

Si usted puede predecir los ganadores y perdedores de los casos judiciales, ¿por qué no apostar a ellos? Una start-up de Silicon Valley llamada Legalist ofrece "financiamiento de litigios comerciales", lo que significa que pagará los honorarios y gastos de una demanda si su algoritmo determina que tiene una buena oportunidad de ganar, a cambio de una porción de cualquier juicio a su favor. Los críticos temen que AI se utilice para jugar el sistema legal por parte de terceros inversionistas con la esperanza de ganar dinero.

2 | Abogados de Chatbot

Tecnologías como Ross y Lex Machina están destinadas a ayudar a los abogados, pero AI también ha comenzado a reemplazarlos, al menos en áreas muy claras del derecho. El robolawyer más exitoso aún fue desarrollado por un adolescente británico llamado Joshua Browder. Llamado DoNotPay, es un chatbot gratis de ticket de aparcamiento que hace una serie de preguntas sobre su caso. ¿Las señales estaban claramente marcadas? ¿Estaba usted estacionado ilegalmente debido a una emergencia médica? - y genera una carta que se puede archivar con la agencia apropiada. Hasta ahora, el bot ha ayudado a más de 215.000 personas a superar el tráfico y los billetes de estacionamiento en Londres, Nueva York y Seattle. Browder ha añadido recientemente nuevas funciones-DoNotPay ahora puede ayudar a la gente a reclamar compensación a las aerolíneas por los vuelos retrasados ​​y presentar papeleo para la asistencia de vivienda del gobierno- y más están en camino.



DoNotPay es sólo el comienzo. Hasta que no veamos un cambio importante y que cambie la sociedad en la inteligencia artificial, los robolawyers no disputarán los puntos más finos de la ley de derechos de autor o escribir escritos legales elegantes. Pero los chatbots podrían ser muy útiles en ciertos tipos de leyes. Las disputas de deportación, quiebra y divorcio, por ejemplo, suelen requerir la navegación de estatutos largos y confusos que han sido interpretados en miles de decisiones anteriores. Chatbots eventualmente podría analizar la mayoría de las posibles excepciones, lagunas y casos históricos para determinar el mejor camino hacia adelante.

A medida que se desarrolle la IA, los robolawyers podrían ayudar a resolver las inmensas necesidades legales no satisfechas de los pobres. Roland Vogl, director ejecutivo del Programa de Stanford en Derecho, Ciencia y Tecnología, dice que los bots se convertirán en el principal punto de entrada en el sistema legal. "Cada grupo de ayuda legal tiene que rechazar a la gente porque no hay tiempo para procesar todos los casos", dice. "Veremos casos que se navegan a través de un sistema informático artificialmente inteligente, y los abogados sólo se involucrarán cuando sea realmente necesario". Una buena analogía es TurboTax: Si sus impuestos son directos, utiliza TurboTax; Si no lo son, obtendrá un contador. Lo mismo sucederá con la ley.

3 | Informe de las Minorías

Probablemente nunca veremos a un juez de la corte designado para un caso criminal, pero los algoritmos están cambiando cómo los jueces mete a los castigos. En muchos estados, los jueces usan software llamado compas para ayudar a fijar la libertad bajo fianza y decidir si otorgar libertad condicional. El software usa la información de una encuesta con más de 100 preguntas, que cubre cosas como el sexo, la edad, el historial criminal y las relaciones personales del acusado, para predecir si es un riesgo de vuelo o es probable que vuelva a ofender. El uso de este tipo de software es preocupante: Northpointe, la compañía que creó compas, no hará público su algoritmo, lo que significa que los abogados defensores no pueden plantear desafíos informados contra las decisiones de los jueces. Y un estudio de ProPublica encontró que compas parece tener un fuerte sesgo contra los acusados ​​negros.

Pronosticar la delincuencia a partir de cuestionarios podría parecer extraño. Los criminólogos están intrigados por la posibilidad de usar la genética para predecir el comportamiento criminal, aunque incluso estudiar el tema presenta dilemas éticos. Mientras tanto, los escáneres cerebrales ya están siendo utilizados en los tribunales para determinar qué delincuentes violentos es probable que re-ofender. Podemos dirigirnos hacia un futuro cuando nuestros cuerpos solos pueden ser utilizados en contra de nosotros en el sistema de justicia penal, incluso antes de comprender plenamente los prejuicios que podrían estar ocultando en estas tecnologías.

4 | Una Explosión de Demandas

Eventualmente, no necesitaremos abogados, jueces o incluso salas de juicio para resolver disputas civiles. Ronald Collins, profesor de la Facultad de Derecho de la Universidad de Washington, ha esbozado un sistema de desacuerdos propietario-inquilino. Debido a que en muchos casos los hechos son incontestados-si usted pagó su renta a tiempo, si su propietario fijó el termostato-y los códigos legales están bien definidos, un buen número de casos pueden ser archivados, juzgados y adjudicados por software. Utilizando una aplicación o un chatbot, cada parte completaría un cuestionario sobre los hechos del caso y presentaría pruebas digitales.

"En lugar de contratar a un abogado y tener su caso sentado en un expediente por cinco semanas, usted puede tener un correo electrónico de adjudicación en cinco minutos", Collins me dijo. Él cree que la ejecución de testamentos, contratos y divorcios podría automatizarse sin cambiar significativamente el resultado en la mayoría de los casos.

Sin embargo, existe un posible inconveniente a la hora de reducir las barreras a los servicios legales: un futuro en el que los tipos litigiosos pueden deshacerse de algunos pleitos mientras están en fila para un latte. Paul Ford, un programador y escritor, explora esta idea de "nanolaw" en una breve historia de ciencia ficción publicada en su sitio web-demandas convertido en una molestia diaria, apareciendo en su teléfono para ser litigado con algunos golpes de dedo.

O podríamos ver un sistema legal completamente automatizado y siempre presente que funciona con sensores y contratos pre-acordados. Una empresa llamada Cláusula está creando "contratos inteligentes" que pueden detectar cuando un conjunto de condiciones preestablecidas se cumplen (o roto). Aunque Clause se ocupa principalmente de los clientes industriales, otras compañías podrían pronto llevar la tecnología a los consumidores. Por ejemplo, si está de acuerdo con su propietario para mantener la temperatura en su casa entre 68 y 72 grados y poner el termostato en 74, un contrato inteligente podría deducir automáticamente una multa de su cuenta bancaria.

Los expertos dicen que estos contratos aumentarán en complejidad. Tal vez algún día, las disputas de accidentes automovilísticos se resolverán con cheques de los registros y programación del vehículo. Su agravio contra la garantía de la pizza local conjunta de una entrega caliente en 10 minutos será verificado por un sensor GPS y un termómetro inteligente. Documentos de divorcio se preparará cuando su iPhone detecta, a través de localización de ubicación y escaneo de mensajes de texto, que ha sido infiel. Tu testamento podría ser ejecutado tan pronto como tu Fitbit detecte que estás muerto.

Hey, cualquier cosa para evitar hablar con un abogado.

domingo, 12 de marzo de 2017

La economía de los lenguajes de programación




La Economía de las Lenguajes de Programación

David N. Welton
Davidw@dedasys.com
Welton

Me gustan mucho los lenguajes de programación. He utilizado un número de ellos profesionalmente, e incluso he escrito uno mismo - Hecl - aunque toma prestado la mayor parte de sus ideas, si no código fuente, de Tcl. Y, por supuesto, he participado en mi parte de los debates y discusiones sobre "qué idioma es el mejor", un tema que por supuesto no tiene una respuesta clara, pero a menudo es la fuente de argumentos acalorados.

Recientemente leí un libro interesante, Information Rules: A Strategic Guide to the Network Economy, de Carl Shapiro y Hal R. Varian (Harvard Business School Press, 1998; ISBN: 087584863X), que habla de la economía del mundo de la alta tecnología. Mientras lo leía y pensaba en los lenguajes de programación, se hicieron clic en varias cosas. No son conclusiones que rompen la tierra. Por el contrario, muchos de ellos tienen más o menos sentido común, pero es bueno leer que hay algunas teorías metódicamente estudiadas detrás de algunas de las intuiciones, presentimientos y observaciones que he hecho a lo largo de los años.

En este artículo intentaré enumerar lo que creo que son los puntos más destacados de la economía de los lenguajes de programación y describir sus efectos en los idiomas existentes, así como en aquellos que desean escribir e introducir nuevos idiomas.

Lenguajes como productos

Los lenguajes de programación, como cualquier producto, tienen ciertas propiedades. Obviamente, como cualquier otro tipo de información buena, los costes de producción en el sentido de hacer copias son esencialmente cero. La investigación y el desarrollo (costos irrecuperables) son necesarios para crear el software en sí, lo que significa que una inversión inicial es necesaria, y si el idioma no es exitoso, es probable que la inversión no se puede recuperar.

Esto se aplica a muchos bienes de información, pero los lenguajes de programación también tienen algunas cualidades que los hacen especiales dentro de este grupo. A saber, que ambos son un medio de dirigir a las computadoras y sus periféricos para hacer un trabajo útil, pero también son un medio de intercambio de ideas y algoritmos para hacer ese trabajo entre personas. En otras palabras, las lenguas van más allá de ser simplemente algo que es útil; Son también un medio de comunicación. Además, en forma de colecciones de código tales como paquetes, módulos o bibliotecas, los lenguajes de programación son también una forma de intercambiar rutinas útiles que pueden ser recombinadas de forma novedosa por otros programadores, en lugar de simplemente intercambiar aplicaciones terminadas.

Externalidades positivas de red

Esto nos lleva a lo que es uno de los conceptos más importantes. "Externalidades de red", o "efectos de red", se refiere a la noción de que cuanto más personas poseen o utilizan algo, más valioso es para cada uno. Considere un teléfono celular, por ejemplo. Si no tuviera a nadie para llamar, podría obtener un poco de placer de seleccionar molesto tonos de llamada en lugares públicos, pero más allá de eso, sería un trozo de plástico en su mayoría inútil. Una gran parte del valor del teléfono está en la capacidad de llamar a tus amigos, y hacer que te llamen.

El valor de las lenguajes de programación no depende claramente totalmente de este concepto; ciertamente puede hacer mucho incluso con un lenguaje que no es utilizado por muchas personas. Sin embargo, tenga en cuenta todos los extras que obtiene si su idioma es popular: libros, bibliotecas de código abierto, ejemplos, grupos de discusión / apoyo, posibilidades de trabajo o, a la inversa, la capacidad de contratar a programadores para trabajar en el producto de su empresa. Si utiliza un lenguaje popular como C, y sale un nuevo protocolo de red, es muy probable que alguien cree una biblioteca que "hable" de este protocolo, y en estos días es muy posible que sea incluso de código abierto. Por otra parte, si usted está usando un lenguaje oscuro, usted tendrá que escribir el apoyo para este nuevo protocolo usted mismo, o esperar que alguien en un grupo más limitado.

Los efectos de esto son claramente visibles. A pesar del gran número de lenguajes que han sido creados por individuos, investigadores universitarios y corporaciones, la mayoría de los programadores en cualquier momento dado probablemente usarán uno de un conjunto relativamente pequeño de lenguajes. Sin embargo, hay algunos factores que mitigan estos efectos, como veremos en breve.

Costos de cambio

En la columna de gastos, los "costos de conmutación", o los costos de cambiar los lenguajes de programación, son bastante evidentes. Reescribir una gran pieza de software en otro idioma está plagado de trampas, y es probable que sea extremadamente caro y consume mucho tiempo. Una vez que se escribe, puede ser ampliado o modificado, pero las reescrituras completas son raras. ¿Propondrías reescribir un sistema de trabajo a tu jefe? "No, en realidad no hará mucho más, que lo que tenemos ahora, y se necesitarán tres programadores de cinco meses para completar, pero será en Haskell en lugar de Fortran!". Esta es la razón por la cual los bancos todavía tienen tanto código escrito en Cobol.

Para el individuo, también, tener que aprender un nuevo idioma es difícil. Incluso para los programadores expertos, es difícil dominar realmente muchos idiomas, ya que la práctica frecuente es necesaria para "mantenerse en forma". Una vez que tenga unos pocos en su cinturón, es para su ventaja para poder utilizarlos por un tiempo. Prefiere poner "20 años de experiencia en Java" en su currículum que "6 meses de programación Forth", ¿no? Debido a que los programadores y los programas incurren en costos de conmutación que pueden ser muy altos, el efecto es que los idiomas duran mucho tiempo, incluso si ya no son "lo último" que se enseña en las universidades.

Cambiar los costos es aún mayor para las personas que no son programadores expertos - aprender un idioma ya es una gran inversión para ellos, y no sería rápido e indoloro para ellos aprender varios idiomas, o cambiar a un idioma diferente. El viejo adagio de "la mejor herramienta para el trabajo" tampoco encaja en este caso. Dado que la mayoría de los lenguajes de programación son mucho más complejos que, por ejemplo, un martillo, la mayoría de la gente prefiere aprender uno o dos que hacen un buen trabajo razonable al tratar con los problemas que más frecuentemente enfrentan, Otras necesidades que puedan surgir.

La elección de un idioma para aprender es, por consiguiente, de mayor importancia para estos individuos, que sin embargo son los menos bien posicionados para poder hacer una elección informada, carentes de la experiencia y la capacidad de comparar y contrastar los conjuntos de herramientas disponibles.

Una vez que nuestro hipotético programador "a tiempo parcial" ha seleccionado e invertido el tiempo para aprender un nuevo idioma, es probable que en ese momento quieran defender su elección - a nadie le gusta pensar que hicieron una mala inversión. Y, por supuesto, quieren ver que continúan fuertes, por lo que no se les pone en una posición de ser obligados a aprender algo más, a partir de cero.

Introducción a un nuevo idioma

Para aquellos que desean introducir y popularizar un nuevo idioma, un punto clave es cómo superar el impulso conferido a las lenguas populares existentes por los efectos de red y los costos de cambio.

En estos días y edades, las implementaciones de lenguaje de programación están en su mayoría disponibles de forma gratuita (y en muchos casos incluso tienen implementaciones de código abierto), lo que significa que la introducción de un lenguaje más reciente y más barato y la implementación rara vez es posible. Si desarrollamos un nuevo lenguaje, las porciones "más baratas" y "mejores" de la ecuación deben provenir de la calidad del lenguaje mismo. Tendrá que hacer código:

  • Más fácil de escribir - ampliar el número de personas que pueden utilizar el idioma, y ​​por lo tanto su valor. Piense en los lenguajes de scripting en comparación con C. Son más tolerantes y fáciles de usar gracias a las formas de recolección de basura o de referencia de conteo, lo que significa que las personas que podrían no haber sido capaces de llevar a cabo una tarea determinada con C podría hacerlo con un lenguaje de scripting.
  • Más eficientes: hacer programas más rápidos que requieren menos tiempo o recursos del sistema para lograr lo que necesitan. Aunque, como podemos ver en las tendencias recientes como Java, esto es menos importante a medida que los precios de la memoria caen y el espacio en disco es cada vez más abundante.
  • Mayor calidad - lo que significa que menos tiempo del programador se gasta bugs de caza, y más en el desarrollo de nuevas características. Recolección de basura, una vez más, es una de esas características que significa que el programador necesita preocuparse menos sobre el seguimiento de la memoria. Algunas investigaciones han pasado a programas "demostrables", aunque sin ningún efecto sobre las técnicas convencionales en esta fecha. No tener que lidiar con la manipulación de puntero directo también es una forma de eliminar una categoría de errores.
  • Más productivo - lenguajes que le permiten hacer cosas complejas fácilmente significa que usted puede hacer más que un competidor con un lenguaje que es más lento para desarrollar pulg PHP en la web permite a las personas hack out rápido páginas web dinámicas muy rápidamente sin una gran cantidad de configuración. El kit de herramientas gráficas Tk hizo que las GUIs escritas fueran muy fáciles, impulsando el uso del lenguaje Tcl. Esto es muy a menudo una cuestión de bibliotecas que resumen en el nivel correcto en lugar de la lengua en sí; La mayoría de los idiomas, sin embargo, tienen una "sensación", y es el lenguaje central y las bibliotecas que dan el tono.

Por supuesto, las ganancias deben ser significativas -si sólo obtienes una ganancia del cinco por ciento, pero pierdes todo el código existente, o esa gran comunidad de programadores que puedes pedir ayuda en un momento dado, vale la pena?

Compatibilidad

Una forma de darse un impulso es con alguna forma de compatibilidad. C ++ es un ejemplo obvio de esto. Otro es el mayor de los lenguajes de script, todos los cuales están escritos en C, y proporcionan una interfaz que les permite interoperar a ese nivel. Por ejemplo, Tcl no fue concebido como un lenguaje independiente, sino como una biblioteca que proporciona un lenguaje flexible para ser incluido en programas más grandes, lo que significa que tiene una API C que le permite interactuar fácilmente entre Tcl y C. Esto significa que Todos los lenguajes de secuencias de comandos han sido capaces de aprovechar las bibliotecas escritas en C, aumentando considerablemente su utilidad.

Lisp, un lenguaje muy elegante que es ampliamente admirado por los aficionados al lenguaje, a menudo ha tomado el enfoque de estar orientado a hacer todo en Lisp - a principios de los años 80, incluso se producían computadoras que ejecuta Lisp: "Lisp Machines"! Tal vez este deseo de ser Lisp "todo el camino hacia abajo" ha costado este lenguaje algo en términos de su capacidad de co-optar a través de la compatibilidad con C, pero es una discusión compleja en sí mismo y es probablemente mejor dejar para otro artículo.

Java es otro lenguaje que tiende a desear "pureza", aunque es posible integrar el código C nativo con él. Su éxito se atribuye probablemente a algunas mejoras genuinas sobre C y C ++ en términos de facilidad y calidad, ya su organización rígida, que le da a los equipos la capacidad de asignar tareas a programadores menos talentosos sin temor a contaminar todo el proyecto con un disco duro -verificación de segmentación. Millones de dólares de dólares de Sun Microsystems para la comercialización y la construcción de grandes bibliotecas estándar también fueron útiles en la adopción de la lengua, aunque esta es una técnica no disponible para muchos diseñadores de lenguaje aspirantes.

Atacar un nicho

A pesar de los intentos de flexibilizar las lenguas y de llevar a cabo tantas tareas como sea posible, como herramientas, las lenguas tienen áreas donde son más adecuadas que otras. Fortran sigue siendo el mejor de algunas aplicaciones científicas, pero lo más probable es que no lo utilice para aplicaciones web. Erlang es un lenguaje y una plataforma muy robustos que son ideales para aplicaciones que no se les permite fallar, pero es probable que no sea tan fácil para principiantes como algo como Python.

El mundo de la informática y la tecnología está siempre cambiando, por lo que se deduce que surgirán nuevos nichos y mercados donde las lenguas existentes no son ideales. Por ejemplo, los lenguajes de secuencias de comandos eran un ajuste natural para la Web. Fácil de usar y práctico para tratar con texto, que hizo mucho más agradable para crear páginas web que trabajar con C habría sido. Los diseñadores de lenguajes que esperan ver su creación más ampliamente utilizada pueden desear identificar un nicho en particular donde su invención es particularmente adecuada. El nuevo idioma puede no estar tan lejos del campo en todas las formas posibles, pero si el desarrollo se concentra para proporcionar un sistema que es al menos superior en una cosa que hace muy bien, podría llegar a ser suficiente para Menos que la gente la utilice.

PHP, por ejemplo, no era una novedad cuando se creó. Como lengua, no es nada innovador en comparación con otros de su tipo. Sin embargo, hizo páginas web dinámicas muy bien, y muy fácilmente comparado con otros sistemas disponibles en el momento. Recuerdo la configuración de mod_perl y la instalación de varios componentes que a menudo tenían los requisitos de versión. Fue un dolor comparado con la configuración PHP más integrada. Otro ejemplo, como se mencionó anteriormente, fue la combinación de Tk con Tcl para scripts de GUI. Tcl es muy adecuado para una variedad de tareas, desde ejecutar en routers de Cisco hasta hacer scripts web en sí, pero Tk fue su home run, y lo que se hizo conocido.

Conclusión

Las nociones aquí discutidas parecerán familiares para aquellos que se han dedicado a reflexionar sobre el tema, pero al enmarcarlos en términos de costos y beneficios, espero darles a los usuarios de idiomas una idea para seleccionar un idioma que mejor se adapte a sus necesidades. Este marco también ayudará a los diseñadores y defensores lingüísticos a comercializar mejor sus productos, dándoles un lenguaje común, el de la economía, para discutir los desafíos y oportunidades inherentes al mercado de los lenguajes de programación informática.

_________________
Además del libro Information Rules mencionado al principio de este artículo, otro recurso para los lectores interesados en el seguimiento de este tema es "Languages, Levels, Libraries, and Longevity" de John R. Mashey publicado en ACM Queue (vol. 9, diciembre / enero 2004-2005). Gracias también al profesor Stephen J. Turnbull, de la Universidad de Tsukuba, por sus comentarios y sugerencias.

jueves, 9 de marzo de 2017

La economía del software: Oferta y demanda



La Economía del Software
Por bmc - The Observation Deck

El software es como ninguna otra cosa antes en la historia del esfuerzo humano: [1] a diferencia de todo lo que hemos construido, el software no cuesta nada fabricar, y nunca se desgasta. Sin embargo, estas propiedades mágicas son discutiblemente eclipsadas por la fea verdad de que el software sigue siendo increíblemente costoso de construir. Esto da lugar a algunas propiedades económicas extrañas: los costes fijos del software son altos (muy altos - demasiado altos), pero sus costes variables son cero. Tan extrañas como son, estas propiedades económicas no son realmente únicas al software; También son verdaderas (en grado variable) de los productos que tradicionalmente hemos denominado "propiedad intelectual". Pero a diferencia de libros o pinturas o películas, el software es predominantemente un bien industrial - casi siempre se utiliza como un componente en un sistema más grande, de ingeniería. Al tomar estos juntos - el papel del software como un bien industrial, junto con sus altos costos fijos y cero los costos variables - se obtiene todo tipo de extraños fenómenos económicos. Por ejemplo, ¿no le parece extraño que su sistema operativo sea esencialmente gratuito, pero su base de datos todavía le cuesta cuarenta libras por CPU? ¿Es una base de datos infinitamente más difícil de escribir que un sistema operativo? (Respuesta: no.) Si no, ¿por qué la enorme discrepancia de precios?
Quiero en última instancia abordar la paradoja de la discrepancia de precios de software, pero primero una revisión rápida de las leyes de la oferta y la demanda en un mercado normal: a precios altos, los proveedores tienden a querer ofrecer más, mientras que los consumidores tienden a demandar menos; A precios bajos, los consumidores tienden a demandar más, mientras que los proveedores tienden a querer suministrar menos. Podemos mostrar precio versus cantidad demandada / ofrecida con las curvas clásicas de oferta y demanda:



El punto de intersección de las curvas es el precio de equilibrio y las leyes de oferta y demanda tienden a mantener el mercado en equilibrio: a medida que los precios suben ligeramente fuera de equilibrio, los proveedores suministrarán un poco más, los consumidores demandarán un poco menos, los inventarios Subirá un poco, y los precios caerán de nuevo en equilibrio. Del mismo modo, si los precios bajan ligeramente, los consumidores exigirán un poco más, los inventarios se agotarán y los precios volverán al equilibrio.
El grado en que los proveedores y los consumidores pueden reaccionar a los precios -la pendiente de su curva respectiva- se conoce como elasticidad-precio. En un mercado inelástico de precios, los proveedores o consumidores no pueden reaccionar rápidamente a los precios. Por ejemplo, los cigarrillos tienen una alta demanda inelástica canónica: si los precios aumentan, pocos fumadores dejarán de fumar. (Dicho esto, la demanda de una determinada marca de cigarrillos es más o menos normal: si Marlboros de repente costó diez dólares por paquete, las importaciones rusas a bajo precio podrían comenzar a parecer mucho más atractivas).

Así que ese es el mercado de los cigarrillos, pero ¿qué pasa con el software? Comencemos por ver el lado de la oferta, porque es bastante simple: el costo variable cero significa que los proveedores pueden suministrar una cantidad arbitraria a un precio determinado. Es decir, esta es la curva de oferta del software:


La altura de la "curva" será dictada por varios factores: entorno competitivo, costos fijos, etc .; Hablaremos de cómo la altura de esta curva se fija (y se desplaza) en un bit.
¿Y qué hay del lado de la demanda? La demanda de software es normal en la medida en que los consumidores tienen la libertad de elegir componentes de software. El problema es que para toda la retórica acerca de que el software se convierta en una "mercancía", la mayoría del software todavía no es una mercancía: un producto de software rara vez es completamente intercambiable con otro. La falta de intercambiabilidad no es tanto un problema para un proyecto que todavía se está especificando (se puede diseñar en torno a las complejidades específicas de una pieza específica de software), pero es mucho un problema después de un proyecto ha desplegado: los sistemas desplegados Son abundantes con dependencias implícitas entre los diferentes componentes de software. Estas dependencias - y por lo tanto el costo de reemplazar un componente de software dado - tienden a aumentar con el tiempo. Es decir, su demanda se vuelve más y más inelástica de precios a medida que pasa el tiempo, hasta llegar a un punto de inelasticidad de precio completo. Tal vez este es el punto cuando usted tiene tantas capas en la parte superior de la decisión, que un cambio es económicamente imposible. O tal vez sea el momento en que el talento técnico que reestructurar su infraestructura en torno a un producto diferente ha pasado a hacer otra cosa - o tal vez ya no están con la empresa. Cualquiera que sea la razón, es el punto después de que el software se ha convertido tan cocido en su infraestructura, la decisión no puede ser revisado.

Así que en lugar de mirar las curvas de oferta y demanda de arriba, las curvas de oferta y demanda de software tienden a parecerse a esto:



Y, por supuesto, su proveedor de software amigable sabe que su demanda tiende a la inelasticidad - que es por qué tan frecuentemente aumentar la renta, mientras que ofrece tan poco a cambio. Siempre hemos sabido acerca de esta inelasticidad de la demanda, que acabamos de llamar algo más: vendedor encerrado [lock-in].
Si los proveedores de software tienen un poder de precios tan increíble, ¿por qué las empresas no terminan por cada extraer cada centavo del software? Porque la demanda de software no es completamente inelástica a los precios. Es sólo inelástica, siempre y cuando el precio es inferior al costo de cambio de software. En el espíritu de la cartelera de FYO en el 101, doblo este punto de conmutación el "punto de FYO" [Fuck You Oracle!]: es el punto en el cual usted se enoja tanto con su vendedor que usted reevalúa completamente su decisión del software - usted pone de vuelta a la mesa de diseño. Así que aquí está el cuadro completo:



¿Qué sucede en el punto FYO? En casos extremos, usted puede decidir reescribirlo usted mismo. O tal vez decida que vale la pena cambiar de proveedor (uno menos rapaz), o al menos asustar a su proveedor existente para que se acerque un poco a sus precios. O tal vez usted acelerará un nuevo proyecto para reemplazar el existente, usando todos los nuevos componentes - normalizando así su curva de demanda. Y cada vez más a menudo, usted decide que no está utilizando la mitad de las características de esta cosa de todos modos - y usted comienza a buscar una opción de código abierto "lo suficientemente bueno" para salir de este desorden feo de una vez por todas. (Más sobre esto más adelante.)
Ahora, su proveedor de software en realidad no quiere que llegar al punto FYO; Quieren mantenerte lo suficientemente lejos por debajo de él a sólo un suspiro (o gruñido) y que firmes el cheque. (Que la mayoría de ellos son bastante buenos, por cierto, pero por supuesto, ya sabes que de todos sus suspiros y gemidos.) Hay esencialmente dos maneras para una empresa de software para aumentar los ingresos en un producto de software establecido:
  1. Eliminar los negocios de los competidores
  2. Extraer más masa de los clientes existentes
En términos del punto FYO, quitar el negocio de los competidores equivale a bajar el punto FYO de los clientes de la competencia. Esto se puede hacer a través de la tecnología (por ejemplo, estableciendo estándares abiertos o desarrollando herramientas de migración) o puede hacerse a través de precios (por ejemplo, bajando el precio que cobra a sus competidores por su software - la "mejora competitiva" ). Esta es una tendencia que generalmente beneficia a los clientes. Si no hubiera otra opción ...

Lamentablemente, hay otra opción, y la mayoría de las empresas de software optan por ella: extraer más dinero de sus clientes existentes. En términos del punto FYO, esto equivale a elevar el punto FYO de sus propios clientes. Es decir, los vendedores de software actúan como un monopolista natural: centrando sus esfuerzos no en la competencia, sino más bien en la elevación de las barreras de entrada. Tienen todo tipo de maneras insidiosas de hacer esto: formatos de datos propietarios, interdependencias complicadas, incompatibilidades deliberadas, etc. Personalmente, encuentro estos comportamientos abominables, y me he asombrado sobre cómo descaradamente algunos vendedores del software están sobre el mantenimiento de su derecho inalienable de atornillar Sus propios clientes. A saber: Ahora no he tenido uno pero dos vendedores del software me dicen que debo agregar una manera de inhabilitar DTrace para su app para evitar que sus propios clientes observen su software. Ni siquiera están preocupados por sus competidores - ¡están demasiado ocupados en atar a sus propios clientes! (Innecesario decir, sus peticiones para tal característica fueron, um, declinadas.)

Entonces, ¿cómo encaja el código abierto en esto? El código abierto es una consecuencia natural de la economía del software, tanto del lado de la demanda como del lado de la oferta. El lado de la demanda ha sido discutido ad nauseum (y con frecuencia, ad hominem): la demanda de código abierto proviene de clientes que están hartos de las tácticas desagradables de sus vendedores para elevar su punto FYO - y están más enfermos en general de la noción del vendedor atrapado [locked-in]. El lado de la demanda es generalmente responsable de que los clientes escriban su propio software y lo hagan libremente disponible, o participen en proyectos similares en la comunidad en general. Hasta la fecha, el lado de la demanda ha propulsado mucho software de código abierto, incluyendo servidores web (Apache) y lenguajes de scripting (Perl, Python). Con cierta excepción, el lado de la demanda consiste en gran parte de individuos que participan fuera de su interés más que su propio interés. Como resultado, por lo general no puede sostener a tiempo completo, los desarrolladores de software profesional.

Pero también hay un lado de la oferta para el código abierto: si el software no tiene un costo variable, los intentos de las empresas de software de bajar el punto FYO de sus competidores se manifiestan en el software libre. Y la forma más (si no la única) de hacer que el software sea convincentemente libre es hacer que el código fuente esté libremente disponible -para que sea de código abierto.[2] La tendencia hacia el código abierto es especialmente fuerte cuando las empresas no se benefician directamente del derecho -utilización del software, sino de algún bien complementario: soporte, servicios, otro software o incluso hardware. (En el caso específico de Solaris y Sun, en realidad es todo lo anterior.) ¿Y si los clientes nunca consumen alguno de estos productos? Bueno, el software no cuesta nada fabricar, así que no hay una pérdida - y hay a menudo una ganancia indirecta. Para tomar el ejemplo específico de Solaris: si ejecuta Solaris y nunca le da un níquel a Sun, está bien por nosotros; Ni siquiera nos costó un centavo para hacer su copia, y su uso aumentará el mercado de las aplicaciones y soluciones de Solaris, impulsando la adopción de la plataforma y, en última instancia, generando ingresos para Sun. Para poner esto en términos de venta al público, el software de código abierto tiene todas las propiedades de un líder de pérdida - menos la pérdida, por supuesto.

Mientras que el lado de la demanda ha impulsado mucho de código abierto hasta la fecha, el lado de la oferta es (en mi opinión) en última instancia una fuerza más poderosa en el largo plazo: el software creado por las fuerzas del lado de la oferta es generalmente desarrollado por personas que hacen Es a tiempo completo para una vida - hay naturalmente una mayor atención al detalle. Para un buen ejemplo de las fuerzas del lado de la oferta, vea los sistemas operativos en los que Linux, el sistema operativo de código abierto tradicionalmente dominante, ha disfrutado de grandes beneficios del lado de la oferta. Estos incluyen contribuciones de sistemas operativos como AIX (JFS, trabajo de escalabilidad), IRIX (XFS, herramientas de observabilidad y el whoopsie ocasional), DYNIX / ptx (bloqueos RCU) e incluso OS / 2 (DProbes). Y una contribución del lado de la oferta aún más grande se cierne: el sourcing abierto de Solaris. Esta será ciertamente la contribución más importante de la oferta hasta la fecha, y un reconocimiento de la economía tanto del mercado de los sistemas operativos como del mercado de software en general. Y a diferencia de mucha anterior fuente de fuente abierta de la actividad, la fuente abierta de Solaris no es de código abierto como capitulación - es de código abierto como contraataque.

Para volver a nuestra pregunta inicial: ¿por qué es el sistema operativo básicamente libre mientras que la base de datos le está costando cuarenta mil por CPU? La respuesta corta es que los cambios que han barrido a través del mercado de OS de empresa todavía están en curso en el mercado de bases de datos. Sí, ha habido esfuerzos tradicionales como MySQL y esfuerzos de investigación como PostgreSQL, pero ninguno de estos esfuerzos "lo suficientemente buenos" ha sido suficientemente bueno para competir con Informix, Oracle, DB / 2 o Sybase en el mercado empresarial. En los últimos años, sin embargo, hemos visto un movimiento serio en el lado de la oferta, con MaxDB de SAP e Ingres de CA convirtiéndose en código abierto. ¿Cualquiera de estos podrá comenzar a tomar negocios serios fuera de Oracle e IBM? Es decir, ¿serán suficientes para bajar el punto FYO tal que más clientes dicen "FY, O"? La economía del software nos dice que, a largo plazo, esto es probablemente el caso: o el lado de la demanda en última instancia, fuerza suficientes mejoras a las bases de datos de código abierto existentes, o el lado de la oferta obligará a la apertura de abastecimiento de uno de los Competidores viables. Y que el software no se desgasta y no cuesta nada fabricar nos asegura que las bases de datos de código abierto sobrevivirán para perseguir a sus competidores en el largo plazo. ¿Esto sucederá en cualquier momento pronto? Como Keynes famoso señaló, "a largo plazo, todos estamos muertos" - por lo que no contar con menos suspiros o gimiendo o cheque escrito en el futuro inmediato ...

Notas al final

[1] Por lo general, odio esta técnica retórica de decir que "[el sustantivo] es el [superlativo] [mismo nombre] [verbo] por la humanidad". Hace que suene como los chimpancés lo hicieron hace años, pero nosotros los seres humanos sólo recientemente han alcanzado. Lamento usar esta técnica, así que permítanme aclarar: con la notable excepción de gtik2_applet2, los chimpancés aún no han descubierto cómo escribir software.
[2] Sólo para cortar los comentarios rabiosos sobre las definiciones: por "código abierto" sólo quiero decir que el código fuente es lo suficientemente amplia y públicamente disponible que los clientes no cuestionan que su derecho de uso es (y siempre será) libre . Esto puede o no significar aprobado por OSI, y puede o no significar GPL. Y, por supuesto, muchos clientes han descubierto que el código abierto por sí solo no soluciona el problema. Necesita a alguien que lo apoye - y la compañía que ofrece soporte comienza a buscar, actuar y oler mucho como una compañía de software tradicional y rapaz. (De hecho, el punto de FYO puede ser renombrado en última instancia el "punto de FYRH.") Usted todavía necesita estándares abiertos, APIs abiertos, idiomas portables y así sucesivamente ...

miércoles, 1 de marzo de 2017

Software de JP Morgan reemplaza a 360 mil horas de trabajo de abogados



Software de JPMorgan hace en segundos lo que llevó a los abogados 360.000 horas
De Hugh Son - Bloomberg


  • Nuevo software hace en segundos lo que llevó al personal 360.000 horas
  • Banco busca racionalizar sistemas, evitar despidos


En JPMorgan Chase & Co., una máquina de aprendizaje está analizando acuerdos financieros que una vez mantuvieron a los equipos legales ocupados durante miles de horas.

El programa, llamado COIN, para la inteligencia de contrato, hace el trabajo de interpretar los acuerdos de préstamos comerciales que, hasta que el proyecto entró en línea en junio, consumió 360.000 horas de trabajo cada año por abogados y oficiales de préstamos. El software revisa los documentos en segundos, es menos propenso a errores y nunca pide vacaciones.

x

Los asistentes discuten el software el 27 de febrero, la víspera del Día del Inversor de JPMorgan. Foto: Kholood Eid / Bloomberg

Mientras que la industria financiera ha promocionado sus innovaciones tecnológicas, una nueva era de automatización está ahora en sobremarcha ya que el poder de computación barato converge con los temores de perder clientes ante las startups. Hecho posible por las inversiones en aprendizaje de máquina y una nueva red de nube privada, COIN es sólo el comienzo para el mayor banco de los Estados Unidos. La empresa recientemente creó centros de tecnología para equipos especializados en grandes infraestructuras de datos, robótica y nube para encontrar nuevas fuentes de ingresos, a la vez que reduce los gastos y los riesgos.

El impulso para automatizar tareas mundanas y crear nuevas herramientas para banqueros y clientes -una parte creciente del presupuesto tecnológico de $ 9.600 millones de la firma- es un tema central ya que la compañía celebra su día anual de inversores el martes.

Detrás de la estrategia, supervisado por el Director Operativo de Operaciones Matt Zames y el Director de Información Dana Deasy, es una corriente de ansiedad: Aunque JPMorgan surgió de la crisis financiera como uno de los pocos grandes ganadores, su dominio está en riesgo a menos que persiga agresivamente nuevas tecnologías , Según entrevistas con media docena de ejecutivos bancarios.

Software redundante

Ese era el mensaje que Zames tenía para Deasy cuando se unió a la firma de BP Plc a finales de 2013. Los sistemas internos del banco con sede en Nueva York, una amalgama de décadas de fusiones, tenían demasiados programas de software redundantes que no funcionaban juntos sin problemas.

"Matt dijo:" Recuerde una cosa por encima de todo: absolutamente necesitamos ser los líderes en tecnología a través de los servicios financieros ", dijo Deasy la semana pasada en una entrevista. "Todo lo que hemos hecho desde ese día es el resultado de esa reunión".

Después de visitar a compañías como Apple Inc. y Facebook Inc. hace tres años para entender cómo funcionaban sus desarrolladores, el banco se propuso crear su propia nube de computación llamada Gaia que entró en línea el año pasado. El aprendizaje automático y los grandes esfuerzos de datos ahora residen en la plataforma privada, que efectivamente tiene una capacidad ilimitada para apoyar su sed de poder de procesamiento. El sistema ya está ayudando al banco a automatizar algunas actividades de codificación y hacer que sus 20.000 desarrolladores sean más productivos, ahorrando dinero, dijo Zames. Cuando es necesario, la firma también puede aprovechar los servicios de nube externos de Amazon.com Inc., Microsoft Corp. e International Business Machines Corp.

Gasto tecnológico

JPMorgan pondrá a disposición de los clientes institucionales algunas de sus tecnologías respaldadas por la nube a finales de este año, lo que permitirá a empresas como BlackRock Inc. acceder a saldos, investigación y herramientas de negociación. La medida, que permite a los clientes evitar a los vendedores y al personal de apoyo para obtener información rutinaria, es similar a la que Goldman Sachs Group Inc. anunció en 2015.

El presupuesto total de tecnología de JPMorgan para este año asciende al 9 por ciento de sus ingresos proyectados, el doble del promedio de la industria, según el analista de Morgan Stanley, Betsy Graseck. La cifra del dólar ha subido más a medida que JPMorgan refuerza las defensas cibernéticas tras una violación de datos en 2014, que puso de manifiesto la información de 83 millones de clientes.

"Hemos invertido fuertemente en tecnología y mercadotecnia -y estamos viendo fuertes beneficios", dijo JPMorgan en una presentación el martes antes de su jornada de inversores, señalando que el gasto en tecnología en su banco de consumo ascendió a alrededor de mil millones de dólares en los últimos dos años.


Los asistentes inspeccionan el quiosco de software JPMorgan Markets para Investors Day.Foto: Kholood Eid / Bloomberg

Un tercio del presupuesto de la compañía es para nuevas iniciativas, una cifra que Zames quiere llevar al 40 por ciento en pocos años. Él espera que los ahorros de la automatización y el retiro de la vieja tecnología le permita arar aún más dinero en nuevas innovaciones.

No todas las apuestas, que incluyen varios proyectos basados ​​en un libro distribuido, como blockchain, pagarán, lo que JPMorgan dice que está bien. Un ejemplo de los ejecutivos son aficionados a mencionar: La firma construyó una plataforma electrónica para ayudar a intercambiar swaps por incumplimiento de crédito que no se utilizan.

'No puedo esperar'

"Estamos dispuestos a invertir para mantenerse por delante de la curva, aunque en el análisis final parte de ese dinero se destinará a un producto o un servicio que no era necesario", dijo Marianne Lake, jefe de finanzas del prestamista, a una audiencia de la conferencia en junio. Eso es "porque no podemos esperar a saber cuál es el resultado, el final, realmente se ve, porque el medio ambiente se está moviendo tan rápido".

En cuanto a COIN, el programa ha ayudado a JPMorgan a reducir los errores en el servicio de préstamos, la mayoría de los cuales provienen del error humano al interpretar 12.000 nuevos contratos al por mayor al año, según sus diseñadores.

JPMorgan está investigando más formas de implementar la tecnología, que aprende mediante la ingesta de datos para identificar patrones y relaciones. El banco planea usarlo para otros tipos de presentaciones legales complejas, como swaps de crédito y contratos de custodia. Algún día, la empresa puede usarlo para ayudar a interpretar las regulaciones y analizar las comunicaciones corporativas.

Otro programa llamado X-Connect, que entró en uso en enero, examina los correos electrónicos para ayudar a los empleados a encontrar colegas que tienen las relaciones más cercanas con potenciales clientes potenciales y pueden organizar presentaciones.

Creación de Bots

Para tareas más sencillas, el banco ha creado bots para realizar funciones como otorgar acceso a sistemas de software y responder a solicitudes de TI, como restablecer la contraseña de un empleado, dijo Zames. Se espera que los Bots manejen 1,7 millones de solicitudes de acceso este año, haciendo el trabajo de 140 personas.


Matt Zames - Photographer: Kholood Eid / Bloomberg

Mientras que un número cada vez mayor de personas en la industria se preocupan de tales avances podrían algún día tomar sus puestos de trabajo, muchos Wall Street personal están más centrados en los beneficios. Una encuesta realizada a más de 3.200 profesionales de la industria financiera por parte de la empresa de reclutamiento Grupo de Opciones el año pasado encontró que la mayoría esperaba que la nueva tecnología mejorara sus carreras, por ejemplo mejorando el desempeño en el lugar de trabajo.

"Cualquier cosa en la que tenga operaciones de back-office y seres humanos moviendo la información del punto A al punto B que no esté automatizada está madura para eso", dijo Deasy. "La gente siempre habla de esto como un desplazamiento. Hablo de esto como liberar a la gente para que trabaje en cosas de mayor valor, por lo que es una gran oportunidad para la firma ".

Para ayudar a estimular la interrupción interna, la compañía mantiene las pestañas de 2.000 empresas de tecnología, utilizando alrededor de 100 en programas piloto que eventualmente se unirán al creciente ecosistema de socios de la firma. Por ejemplo, el software de aprendizaje automático del banco fue construido con Cloudera Inc., una empresa de software que JPMorgan encontró por primera vez en 2009.

"Estamos empezando a ver los verdaderos frutos de nuestro trabajo", dijo Zames. "Esto no es cosa de pastel en el cielo."

sábado, 25 de febrero de 2017

Algoritmo busca asesinos en serie




El algoritmo capaz de identificar asesinos seriales
Cruzando datos públicos como nadie lo había hecho antes, un ex periodista enseñó a las computadoras a encontrar patrones comunes en los homicidios no resueltos
Infobae



Cuando en octubre de 2014 Darren Deon Vann, un hombre de 43 años, fue detenido por el homicidio de la joven Afrikka Hardy en Indiana, Thomas Hargrove siguió el caso como si se tratara de algo personal. Cuatro años antes, el periodista retirado, experto en análisis de datos, había escrito varias veces a la policía de la ciudad donde sucedió el hecho, con la misma pregunta: "¿Es posible que haya un asesino serial activo en la zona de Gary?".

Nunca le respondieron.

Thomas Hargrove desarrolló un algoritmo que detecta patrones entre homicidios no resueltos en la misma zona.

Vann llevó a los investigadores hasta seis edificios donde había dejado otros seis cuerpos de mujeres asesinadas. Antes de pedir un abogado y callar para dejar de autoincriminarse, Vann se jactó de haberse dedicado a matar desde la década de 1990.

En sus correos electrónicos y en sus cartas certificadas al Departamento de Policía de Gary, Hargrove había enviado una serie de hojas de cálculos que él había creado sobre la base de información que la Agencia Federal de Informaciones (FBI) tenía sobre los homicidios en esa ciudad de Indiana: 14 casos sin resolver, mujeres entre 20 y 50 años, todas estranguladas.
"En comparación con las estadísticas del país, el número de asesinatos similares era en Gary mucho más elevado que la norma", escribió Robert Kolker en su perfil del investigador espontáneo para Bloomberg Businessweek. "Tanta gente, muerta de la misma manera en la misma ciudad, ¿no sugeriría eso que al menos unas pocas de ellas, o acaso más, podrían ser casos conectados? ¿Y que el homicida estaría suelto todavía?".

Hargrove ofreció otros datos, ignorados como los anteriores por la policía de Gary: varias de las mujeres habían sido estranguladas en sus domicilios; al menos en dos casos, un incendio había tratado de ocultar lo sucedido; varias de las víctimas habían sido halladas en edificios abandonados.

Ese dato hizo que el ex periodista prestara atención al caso de Vann.
El asesino de Hardy había guiado a la policía a edificios abandonados, donde hallaron otras víctimas estranguladas.

Su método de análisis estadístico servía, comprobó.
Pero si tenía razón, no había logrado evitar la muerte de siete mujeres desde que se intentó contactar con la policía hasta la detención del homicida confeso.


La fundación MAP se dedicó a recopilar información sobre homicidios no resueltos, entre los cuales se destacan patrones de similitud cuando ha actuado un asesino serial.

Junto con un ex investigador de homicidios del FBI, Eric Witzig, autor del trabajo académico Observations on the Serial Killer Phenomenon (Observaciones sobre el fenómeno del asesino serial), Hargrove fundó The Murder Accountability Project (MAP, Proyecto de Contraloría de Asesinatos).

En su página, en la sección "Por qué existimos", explicaron el sentido del MAP: "Cada año al menos 5.000 asesinos quedan impunes. La tasa de esclarecimiento de homicidios mediante un arresto policial ha disminuido durante los años, hasta que hoy un tercio queda sin solución".

En comparación de tasas anteriores de más del 80% (en la década de 1960, llegó al 90%), en 2014 el porcentaje era del 64,5% y en 2015, del 61,5%, con grandes variaciones entre ciudades: Los Angeles, Nueva York y Houston están por encima del 70%, mientras que Nueva Orleans, Detroit y Saint Louis oscilan en el 40%, sin contar casos especiales como el de Chicago, que tuvo un aumento de 485 homicidios en 2015 a 762 en 2016.
"Como resultado —siguieron Hargrove y Witzig en su web— más de 222.000 estdounidenses han muerto en homicidios no resueltos desde 1980: más que el total de muertes de todas las acciones militares del país desde la Segunda Guerra Mundial".

Como no existe una oficina gubernamental que estudie los homicidios no resueltos, el MAP se dedicó a obtener información de nivel federal, estatal y local sobre ellos, y lo puso en línea. La innovación de Hargrove, según Bloomberg, "fue enseñarle a una computadora a detectar tendencias en homicidios no resueltos, utilizando información disponible públicamente que nadie, incluidas las autoridades de aplicación de la ley, habían usado antes".

Luego de pasar meses en el desarrollo del algoritmo que identificaría casos sin solución similares al punto de sugerir el mismo asesino (geografía, sexo, edad, método de homicidio, por ejemplo) lo puso a prueba al someterlo a ingeniería inversa: tomó un caso muy conocido, el del asesino de Green River, quien confesó haber matado a 48 mujeres en Seattle, Washington, a lo largo de dos décadas. Y funcionó.


La tasa de esclarecimiento policial de los homicidios ha bajado sin pausa desde la década de 1960, ilustra un cuadro de MAP.

MAP se basó en el Informe Complementario de Homicidios que el FBI publica cada año desde 1976: cada caso que fue denunciado a la institución aparece con el detalle de la edad de la víctima, la raza, el género, la forma en que fue asesinada, las circunstancias que se conocen. Como 18 estados no pasan sus estadísticas al FBI, Hargrove y Witzig apelaron a la Ley de Libertad de Información (FOIA) para pedir datos de esos lugares. También recurrieron a la justicia en el caso de Illinois, que no les respondió.
"Ya han reunido detalles de casos de 638.454 homicidios desde 1980 a 2014, incluidos 23.219 que no habían sido denunciados al FBI", escribió Kolker.

"Es la lista más completa de casos detallados de homicidios en los Estados Unidos de que se dispone, y el sitio del grupo lo ha publicado de manera abierta". Es decir que cualquiera puede consultarla: "Uno puede buscar su lugar natal y ver si hay algo sospechoso", dijo Hargrove. "Si es el padre de una asesinada, puede buscar su caso, y ver si hay otros registros que se le parezcan. Quisimos hacerlo una colaboración abierta sobre homicidio".

Entre las revelaciones laterales que brindó el algoritmo se halla una de importancia: Hargrove notó que allí donde se redujeron los presupuestos de las policías aumentaron los casos sin solución. En Flint, Michigan, por ejemplo, se ajustó la planta de oficiales de 330 a 185, y la tasa de resolución de casos se desmoronó más de 30% desde 1990.

Y entre los planes futuros de MAP se incluyen aumentar las colaboraciones con las fuerzas policiales. Ya han asesorado a las jefaturas de Atlanta, Georgia, y Austin, Texas. También han ofrecido seminarios a detectives en la Asociación Internacional de Investigadores de Homicidios y en la División de Capacitación del FBI en Quantico, Virginia.

sábado, 11 de febrero de 2017

Somos secretamente guiados por algoritmos a lo largo de todo el día

Cómo los algoritmos (secretamente) dirigen el mundo
Phys.org



Cuando usted navega en línea para un nuevo par de zapatos, escoger una película para transmitir en Netflix o solicitar un préstamo de coche, un algoritmo probablemente tiene su palabra para decir sobre el resultado.
Las complejas fórmulas matemáticas están desempeñando un papel cada vez más importante en todos los ámbitos de la vida: desde la detección de cánceres de piel hasta la sugerencia de nuevos amigos en Facebook, decidir quién obtiene un empleo, cómo se despliegan los recursos policiales, quién obtiene un seguro a qué costo, o quien está en la lista de "No permitido a volar".

Algoritmos se están utilizando-experimentalmente-para escribir artículos de noticias de datos en bruto, mientras que la campaña presidencial de Donald Trump fue ayudado por los vendedores de comportamiento que utilizaron un algoritmo para localizar las concentraciones más altas de "votantes persuasibles".
Pero si bien estas herramientas automatizadas pueden inyectar una medida de objetividad en las decisiones subjetivas anteriores, los temores están aumentando por la falta de transparencia que los algoritmos pueden implicar, con la presión de aplicar estándares de ética o "rendición de cuentas".
La científica de datos Cathy O'Neil advierte sobre las fórmulas de "confiar ciegamente" para determinar un resultado justo.
"Los algoritmos no son inherentemente justos, porque la persona que construye el modelo define el éxito", dijo.

Ampliar desventajas

O'Neil argumenta que aunque algunos algoritmos pueden ser útiles, otros pueden ser nefastos. En su libro de 2016, "Weapons of Math Destruction", cita algunos ejemplos preocupantes en los Estados Unidos:
- Las escuelas públicas en Washington DC en 2010 despidieron a más de 200 maestros -incluyendo a varios instructores muy respetados- basados ​​en puntuaciones en una fórmula algorítmica que evaluó el rendimiento.
- Un hombre diagnosticado con desorden bipolar fue rechazado para el empleo en siete minoristas importantes después de que un tercero "prueba de la personalidad" lo considerara un riesgo alto basado en su clasificación algorítmica.
- Muchas jurisdicciones están utilizando "políticas preventivas" para trasladar los recursos a posibles "puntos calientes". O'Neill dice que dependiendo de cómo los datos son alimentados al sistema, esto podría conducir al descubrimiento de más delitos menores y un "bucle de retroalimentación" que estigmatiza a las comunidades pobres.
- Algunos tribunales se basan en fórmulas ordenadas por computadora para determinar las penas de cárcel y la libertad condicional, lo que puede discriminar a las minorías teniendo en cuenta factores de "riesgo" tales como sus vecindarios y los vínculos de amigos o familiares con el crimen.
- En el mundo de las finanzas, los corredores "raspan" los datos de fuentes en línea y otras en nuevas formas de tomar decisiones sobre el crédito o los seguros. Esto a menudo amplifica los prejuicios contra los más desfavorecidos, argumenta O'Neil.
Sus hallazgos se hicieron eco en un informe de la Casa Blanca el año pasado advirtiendo que los sistemas algorítmicos "no son infalibles-se basan en los insumos imperfectos, la lógica, la probabilidad y las personas que los diseñan".
El informe señaló que los sistemas de datos pueden idealmente ayudar a eliminar el sesgo humano, pero advirtió contra los algoritmos "sistemáticamente en desventaja ciertos grupos".

Migas digitales

Zeynep Tufekci, profesor de la Universidad de Carolina del Norte que estudia tecnología y sociedad, dijo que las decisiones automatizadas a menudo se basan en datos recopilados sobre personas, a veces sin su conocimiento.
"Estos sistemas computacionales pueden inferir todo tipo de cosas sobre usted desde sus migajas digitales", dijo Tufekci en una reciente conferencia de TED.
"Pueden inferir su orientación sexual, sus rasgos de personalidad, sus tendencias políticas, tienen poder predictivo con altos niveles de precisión".
Dichas ideas pueden ser útiles en ciertos contextos -como ayudar a los profesionales médicos a diagnosticar la depresión posparto- pero injustas en otros, dijo.
Parte del problema, dijo, proviene de pedir a las computadoras que respondan a preguntas que no tienen una sola respuesta correcta.
"Son preguntas subjetivas, abiertas y llenas de valor, preguntando a quién debe contratar la compañía, qué actualización de qué amigo se le debe mostrar, que convicto es más probable que reincidir".

¿El modelo de la UE?

Frank Pasquale, profesor de derecho de la Universidad de Maryland y autor de "The Black Box Society: Los algoritmos secretos que controlan el dinero y la información", comparte las mismas preocupaciones.
Sugiere que una manera de remediar los efectos injustos puede ser la aplicación de las leyes existentes sobre protección del consumidor o prácticas engañosas.
Pasquale apunta a la ley de protección de datos de la Unión Europea, establecida a partir del próximo año para crear un "derecho de explicación" cuando los consumidores se ven afectados por una decisión algorítmica, como un modelo que podría ampliarse.
Esto "obligaría a la transparencia o impedirá que los algoritmos se utilicen en ciertos contextos", dijo.
Alethea Lange, analista de política del Centro para la Democracia y la Tecnología, dijo que el plan de la UE "suena bien", pero "es realmente oneroso" y arriesgó demostrar que es impracticable en la práctica.
Ella cree que la educación y la discusión pueden ser más importantes que la aplicación en el desarrollo de algoritmos más justos.
Lange dijo que su organización trabajó con Facebook, por ejemplo, para modificar una fórmula muy criticada que permitía a los publicistas usar "afinidad étnica" en su orientación.

Chivo expiatorio

Otros, mientras tanto, advierten que los algoritmos no deberían ser un chivo expiatorio para los males de la sociedad.
"La gente se enoja y está buscando algo que culpar", dijo Daniel Castro, vicepresidente de la Fundación de Tecnología de la Información e Innovación.
"Estamos preocupados por el prejuicio, la responsabilidad y las decisiones éticas, pero estos existen si está utilizando algoritmos o no".






Twitter Delicious Facebook Digg Stumbleupon Favorites More

 
Design by Free WordPress Themes | Bloggerized by Lasantha - Premium Blogger Themes | Best Hostgator Coupon Code