Algoritmernas betydelser inom olika områden

Algoritmerna är en del av vår kultur, vilken i allt större utsträckning är en individualiserad konsumtionskultur byggd på konkurrens, efterfrågan och utbud. Kulturen är inbyggd i algoritmerna, liksom algoritmerna är inbyggda i vår kultur. Ibland märks det tydligare som med Facebook, Amazon, Netflix eller Uber. Ibland är det mer dolt som med Google. I detta kapitel fördjupar vi oss i algoritmernas betydelser inom några olika områden. Vi diskuterar nyhetsmedier, bibliotek, konsumtion och underhållning, ”sakernas internet” och kvantifiering samt organisering av arbete och aktiemarknaden. Dessa områden ska ses som exempel och det finns egentligen inga sektorer i samhället som inte berörs.

Nyhetsmedier

Ett intressant exempel är nyhetsmedier. Nyhetsmedier är, med undantag av public service, kommersiella, men de har en samhällelig funktion i det att de skapar förutsättningar för demokrati. I nyhetsmedier möts och delvis konkurrerar därför demokratiska och kommersiella intressen. Det är i sig inget nytt, men i ett alltmer algoritmstyrt redaktionellt arbete dyker nya problem upp.

Annonsmarknaden är i förändring. Från att annonsera direkt i nyhetsmedier flyttas annonseringen till exempelvis Google och ­Facebook. Båda företagen konkurrerar med medier om annonsör­erna. Samtidigt är det deras tjänster som utgör den infrastruktur som fler och fler människor använder för att ta del av nyhetsmediers innehåll.38 Vi ser en ny infrastruktur för nyhetsmedier där dagstidningens förstasida delvis ersätts av en distribution av artiklar genom sociala medier. Den nya infrastrukturen flyttar därmed en del av det redaktionella ansvaret till utländska sociala medier och deras algoritmer. Dessa har inget traditionellt utgivaransvar och de betalar, till skillnad från de traditionella nyhetsaktörerna, heller ingen reklamskatt.39

Nyhetsmedier använder sig av algoritmer för att både producera och synliggöra sina nyheter samt för att anpassa dem efter publiken.40 Vid så kallad robot-journalistik skapar nyhetsbolag automatiskt nyheter från strukturerade data utan att någon journalist varit inblandad. Nyhetsmediers kostnader förändras. Utgifter för journalister minskar, medan utgifter för teknik och tekniker ökar.41

Det är tydligt att medierna anpassar sig efter ovan beskrivna logik och kategorier som ”mest läst” eller ”mest delat” har blivit vanliga i de flesta nyhetsmediers online-tjänster.42 En av riskerna är att det skapas ett slutet kretslopp av bekräftande. Det finns en intressekonflikt mellan de kommersiella intressen som finns inbyggda i dagens dominanta algoritmer och det demokratiska ansvar som många massmedier har.

Samhällsinformation och bibliotek

Det är inte enbart kommersiella företag som använder sig av algoritmer och det finns andra drivkrafter än rent kommersiella för att vilja öka synlighet. Sociala nätverkstjänster och sökmotorer är infrastrukturer som filtrerar en stor del av den information vi tar del av via internet. Det gäller både kommersiell och allmännyttig information.

Att vara delningsbar på Facebook (eller andra sociala medier) är en framgångsfaktor i vår kultur. Även en icke-kommersiell organisation som Polisen arbetar numera med strategier för sitt arbete med sociala medier. Vi får ta del av polisens arbete genom känslosamma tweets och uppdateringar på Facebook. Dessa delas ofta i hög utsträckning och blir virala.43 Det kan uttryckas som att Polisen anpassar sin kommunikation gentemot allmänheten utifrån hur algoritmerna fungerar.

Ett annat exempel på en icke-kommersiell aktör som agerar med algoritmer är bibliotek. Vi ser i folkbiblioteken hur algoritmernas kommersiella logik utmanar det traditionella uppdraget. Ett exempel är hur folkbiblioteken i Sverige köper tillgängliggörande av e-böcker av företaget Elib. Folkbiblioteken är här beroende av ett externt företag som inte bara tillgängliggör litteraturen utan också presenterar den för folkbibliotekets användare i enlighet med den kommersiella logik där popularitet lyfts fram. Många folkbibliotek använder sig av topplistor i form av flest lån, användares betygssättning och andra kännetecken på inflytande från algoritmerna när de synliggör sina resurser. Algoritmer har på ett sätt förbättrat tillgängligheten för folkbibliotekens användare, men riskerar å andra sidan att styra användarnas uppmärksamhet mot det som är mest populärt.

Uppslagsverk och fakta

Ett område som genomgått kraftfulla förändringar är uppslagsverk och encyklopediskt vetande. När de första CD-ROM-skivorna kom med uppslagsverk som Encarta såg man nya möjligheter att distribuera innehåll och kombinera olika medium till en multimediaprodukt. Men när vägen till uppslagsverkets innehåll främst kom att utgöras av en sökning med Google uppstod en helt ny konkurrenssituation. Det som inte syns på Googles förstasida blir för de flesta osynligt. Detta skedde ungefär samtidigt som de kommersiella uppslagsverken fick konkurrens av Wikipedia som nästan alltid hamnar överst i Google, medan kommersiella uppslagsverk som regel hamnar längre ner i träfflistan.

En anledning till att exempelvis Encyclopaedia Britannica och Nationalencyklopedin i de flesta fall hamnar längre ner i Googles sökresultat beror på att de är betaltjänster. Det ger dem en sämre placering än en öppen tjänst som Wikipedia med sina många in-länkar. Googles algoritm nedprioriterar dessutom webbplatser där en betalvägg hindrar användaren att komma direkt till innehållet från Googles sökresultat.44

Samtidigt förmedlar Google Sök inte längre endast länkar till andras webbsidor. Genom tjänsten Google Knowledge Graph synliggör de också faktauppgifter direkt på resultatsidan. Söker man till exempel efter ett land, en stad, ett landmärke eller en känd person presenteras numera inte endast sökresultaten utan också en faktaruta till höger. Därmed behöver användare som letar efter kortare faktauppgifter inte gå vidare till dessa källor. När detta skrivs är det främst Wikipedia och Världsbanken som används som underlag i Knowledge Graph. I en nära framtid kommer troligen mer och mer innehåll på webben att vara uppmärkt på det sätt som krävs för att inkluderas. Det finns andra tjänster med liknande funktion (till exempel WolframAlpha, DBpedia), men Google Söks redan dominanta ställning förstärks troligen ytterligare med Knowledge Graph. Google Sök blir då i många fall både en startpunkt och en slutdestination för sökning.

Konsumtion och underhållning

Ett område där personaliseringen verkligen syns är konsumtion och underhållning. Amazon har något av en särställning som världens största digitala butik. I en amerikansk marknadsundersökning från 2015 visar det sig att Amazon är en vanligare utgångspunkt för en sökning än Google när människor letar efter produkter.45 E-handels­butiker som Amazon använder sig av algoritmer som gör att de produkter användarna får se matchar det som tjänsten tror att de är intresserade av, baserat på vad de har köpt tidigare, profiluppgifter och vad andra konsumenter har köpt (kollaborativ filtrering).

Som konsumenter ser vi ofta detta som en fördel. Hos nätbokhandeln uppskattar många kunder att de får förslag på böcker utifrån vad de tidigare köpt och vad andra konsumenter har köpt. Samtidigt har problem observerats när det gäller prissättning. Personaliseringen kan leda till att olika konsumenter kan få olika priserbjudande för samma produkt, till exempel en hotellvistelse eller ett flyg, beroende på den samlade bild som tjänsten har av konsumenten.46 Det kan leda till missnöje bland konsumenterna.

Hos streamingtjänsten Spotify kombineras rekommendationer till användarna baserade på algoritmer (kollaborativ filtrering) med uppgifter om musikgenrer som är skapade och indelade av människor. Viktiga underlag för algoritmen är spellistor och ”smakprofiler”. Spotify, liksom många av deras konkurrenter, tillför alltså en mänsklig medverkan till rekommendationerna.47
Google har gått från att enbart agera informationsförmedlare till att numera även sälja produkter och tjänster. Några exempel är de kommersiella produkterna Google Shopping, Google Play och Google Books. Ett annat omtalat exempel är Google Flights, där Google även fungerar som en resebyrå. Söker man efter flyg på Google får man i skrivande stund (överst i det icke-sponsrade resultatet) en sammanställning genom Google Flight där flygbolagens priser, restider och platser jämförs. Konkurrerande tjänster får därmed sämre placering i Googles sökresultat.

Sakernas internet och kvantifiering

Det är inte enbart genom våra telefoner, läsplattor och persondatorer som det blir tydligt hur algoritmer är en del av vår vardag. Numera har de flesta av våra tekniska föremål små datorer i sig. Det som kallas för Internet of Things (IoT) eller sakernas internet, och syftar på att fler och fler föremål i vår vardag – allt från kylskåp och bilar till drönare – är sammankopplade med varandra genom internet. Det finns också allt fler produkter för att bevaka olika kroppsliga funktioner och aktiviteter (till exempel sömn, träning, sjukdom, ägglossning eller menstruation) och även dessa är uppkopplade online.
Data som alla tekniska prylar samlar in används som underlag för algoritmiska beslut. Det kan handla om hur värmen i huset ska ställas in, när det är dags att jogga eller om man borde försöka sova mer. Sådan information kan göra hushållens energianvändning mer hållbar, stödja sjukvårdens arbete eller underlätta för människor att hantera kronisk sjukdom.

Samtidigt öppnar sakernas internet för säkerhets- och integritetsproblem. Vad vet vi om dataskyddet? Hur kan data om oss användas i framtiden? Försäkringsbolag har visat stort intresse för att utnyttja möjligheterna som öppnas med sakernas internet. De skulle kunna individanpassa sina produkter med hjälp av algoritmer för riskbedömning.48 I Sverige erbjuds redan möjligheten att påverka priset för sin bilförsäkring genom att låta ett försäkringsbolag löpande samla in data om körbeteende som sedan analyseras för att ge underlag till beräkningen av premien.49

De stora internetföretagen – Apple, Microsoft, Google och Amazon – etablerar sig på marknaden för sakernas internet med egna produkter och tjänster för att styra det uppkopplade hemmet eller övervaka kroppen i sakernas internet.

Organisering av arbete och aktiemarknaden

Algoritmer används i allt större utsträckning också vid organisering av arbete. Även aktiemarknaden är i dag till stor del styrd av algoritmer.

Företag som Uber, Lyft, Rideshare, AirBnB och inte minst Amazon använder inte bara algoritmer för att ordna och tillgängliggöra digital information och sälja reklamplatser – utan även för att organisera verksamheten. Företagen använder algoritmer för organisering av skiftarbete och produktionsprocesser, mätning av prestationer, övervakning av anställda och så vidare.50 Mätbar effektivitet, högt tempo, användares recensioner – helst kvantifierbara – matar algoritmerna med data och styr arbetet. Fenomenet där arbetet organiseras baserat på algoritmiska beslut kallas också för algoritmiskt ledarskap (algorithmic management).

Dagens aktiemarknad är till stor del styrd av algoritmer, i sin mest extrema form av så kallad höghastighetshandel (high-speed trading). Där gör algoritmer affärer med varandra, utan att människor är inblandade. Fördelen är att besluten fattas väldigt snabbt. Samtidigt medför den höga hastigheten också risken att förlora kontrollen. Negativa följder kan vara blixtkrascher (flash crashes), vilket innebär att marknaden rasar väldigt snabbt. År 2013 orsakade en blixtkrasch stor ekonomisk skada när nästan 7 miljarder dollar i Singapore försvann på ett ögonblick. Samspelet mellan sociala medier och handels-algoritmer kan också vara problematiskt. År 2013 blev en falsk tweet om en terrorattack på Vita huset viral.51 Detta tillsammans med handels-algoritmernas höga hastighet brukar kopplas samman med en blixtkrasch på aktiemarknaden i USA som raderade 136 miljarder dollar på ett ögonblick.

38. SOU 2016:80. En gränsöverskridande mediepolitik: För upplysning, engagemang och ansvar. Stockholm: Wolter Kluwers, 2016.
39. Balcer Bednarska, J. ”Dagstidningar drabbas av reklamskatt men inte Facebook och Google” – TU kräver lagändring. Dagens Juridik. 2016-10-24. http://www.dagensjuridik.se/2016/10/dagstidningar-drabbas-av-reklamskatt-men-inte-facebook-och-google-tu-kraver-lagandring (Hämtad 2016-11-23)
40. Strömbäck, J. Demokratin och det förändrade medielandskapet: Mot ökade kunskapsklyftor och deltagandeklyftor? Rapport för Demokratiutredningen. 2014.
41. Westlund, O., och Lewis, S. C. Agents of media innovations: Actors, actants, and audiences. The Journal of Media Innovations 2 (2014): 10–35.
42. Strömbäck, J. 2014.
43. Stakston, B. Polisens närvaro i sociala medier. JMW kommunikation, 2013. https://polisen.se/Global/www%20och%20Intrapolis/Rapporterutredningar/01%20Polisen%20nationellt/Ovriga%20rapporterutredningar/Utvardering_Polisens_narvaro_i_sociala_medier.pdf (Hämtad 2016-01-31)
44. https://support.google.com/news/publisher/answer/40543
45. More, S. Amazon commands nearly half of consumers’ first product search. Bloomreach, 2015-10-06. http://bloomreach.com/2015/10/amazon-commands-nearly-half-of-consumers-first-product-search/ (Hämtad 2016-11-23)
46. Hannak, A., Soeller, G., Lazer, D., Mislove, A. och Wilson, C. Measuring price discrimination and steering on e-commerce web sites. IMC 14, November 5-7, Vancouver, BC, Canada. 2014. http://dl.acm.org/citation.cfm?id=2663744 (Hämtad 2016-01-12)
47. Popper, B. Tastemaker. How Spotify’s Discover Weekly cracked human curation at internet scale.
The Verge. 2015-09-30. http://www.theverge.com/2015/9/30/9416579/spotify-discover-weekly-online-music-curation-interview (Hämtad 2016-11-25)
48. Olson, P. Wearable tech is plugging into health insurance. Forbes. 2014-06-19. http://www.forbes.com/sites/parmyolson/2014/06/19/wearable-tech-health-insurance/#29bf39315ba1 (Hämtad 2016-11-23)
49. https://www.modernaforsakringar.se/forsakringar/moderna-smart/
50. Rosenblat, A. och Stark, L. Uber’s Drivers: Information, Asymmetries and Control in Dynamic Work. Data and Society, 2015. http://www.valuewalk.com/wp-content/uploads/2015/12/SSRN-id2686227.pdf (Hämtad 2016-12-03)
51. Karppi, T. och Crawford, K. Social Media, financial algorithms and the hack crash. Theory, Culture & Society 33 no. 1 (2016): 73-92.