Персональные данные и цифровой след: кто и как на них зарабатывает

Сколько стоят персональные данные и почему это неправильный вопрос

Персональные данные — это не столько экономический актив, сколько инфраструктура управления доступом. Ценность возникает не в самих данных, а в способности принимать решения на их основе — разрешать или ограничивать действия человека в цифровой среде.

Персональные данные часто сравнивают с нефтью. Если нефти не станет, исчезнут многие привычные нам продукты: бензин, пластик, резина, синтетические ткани, некоторые виды косметики и лекарств. Личные данные тоже ресурс, на основе которого строятся другие продукты, например сервисы и цифровые экосистемы: соцсети, интернет-магазины, программы лояльности, облачные хранилища и рекламные платформы.

Но в отличие от сырья прямая продажа персональных данных и цифрового следа встречаются редко. Поэтому сама постановка вопроса «сколько стоят мои данные» — сильное упрощение.

Например, стриминговый сервис анализирует историю просмотров пользователя не для того, чтобы продать эти данные, а чтобы решить, какой фильм предложить вечером и какие сериалы запускать в производство.

Данные становятся инструментом влияния. Тот, кто управляет инфраструктурой данных и умеет их анализировать, получает возможность видеть поведение людей и прогнозировать изменения на рынках и в обществе. Большие массивы данных фиксируют социальные сигналы — реакцию людей на экономические события, новые сервисы или изменения политики.

Пример из финансовой сферы: если снижается ключевая ставка, резко увеличивается количество запросов, которые связаны с кредитами или ипотекой. По этим сигналам финансовые организации быстро понимают, как меняется поведение людей.

Такие данные фактически выполняют роль обратной связи. Любая система управления — будь то бизнес или государственная политика — нуждается в понимании того, как люди реагируют на принятые решения. На практике же цифровой след становится инструментом управления. Он позволяют не только понимать поведение людей, но и влиять на него через продукты, интерфейсы, экономические стимулы.

При этом человек всё равно получает выгоду, если не прямую, то хотя бы косвенную. Например, он обменивает свои данные на доступ к сервису или платформе. Основной же экономический эффект получают те, кто контролирует инфраструктуру, в которой собирается, обрабатывается и используется личная информация людей.

Если посмотреть на рынок персональных данных через призму бизнес-моделей, становится понятнее, кто и как зарабатывает на личной информации пользователей.

Платформенная экономика: как данные пользователей превращаются в бизнес

Драйверами обработки персональных данных сегодня выступают цифровые платформы и экосистемы. Например, сервисы таких компаний, как Google, Яндекс и Meta*. Платформы аккумулируют основной массив пользовательских данных и придают им экономическую ценность.

Механизм хорошо виден на примере базовых сервисов — почты и поисковых систем. Уже по поисковым запросам и онлайн-поведению можно сформировать профиль интересов пользователя и показывать ему контекстную рекламу. Когда к этим сервисам добавляются маркетплейсы, платёжные инструменты и финансовые продукты, платформа получает ещё больше информации о поведении человека и может точнее настраивать рекламные предложения.

Бизнес заинтересован в росте аудитории и максимизации прибыли, а распределять экономический эффект между миллионами участников системы для него просто невыгодно. Поэтому платформенная экономика практически не делится ценностью персональных данных с их владельцами. Грубо говоря, платформы не платят каждому, кто оставляет цифровой след в их системе. Несмотря на это люди всё равно получают выгоду — доступ к удобным сервисам и персонализированному пользовательскому опыту.

В некоторых экосистемах человек может частично управлять информацией, которая о нём собирается, потому что у каждой платформы своя политика работы с данными. Например, в Google можно отключить отдельные функции сбора информации, включая доступ к микрофону. В сервисах Meta* такой возможности практически нет: при установке Instagram** или Facebook** нужно подписать соглашение с тем, что платформа будет собирать данные о поведении, интересах и местоположении для таргетинга.

Если человек переходит в другую цифровую среду и начинает пользоваться сервисами другой платформы, предыдущая компания уже не видит его поведение и не может использовать эти данные в своих рекламных моделях.

Публикации в соцсетях, лайки, поисковые запросы и покупки постепенно формируют цифровой профиль. Чем дольше человек остаётся внутри экосистемы, тем больше данных о его поведении накапливается и тем точнее работают рекламные модели.

Именно поэтому многие цифровые сервисы и строятся на механизмах вовлечения. Социальные сети и сайты знакомств работают через быстрые эмоциональные стимулы. Посетители таких сайтов получают мгновенную обратную связь — лайки, комментарии, новые рекомендации — и редко задумываются о том, какие данные оставляют платформе.

В результате люди добровольно передают огромные объёмы информации о себе. В этот момент вопрос контроля над данными для большинства не является приоритетом.

Нейросети учатся на пользователях, но не делятся с ними ценностью

Когда мы работаем с нейросетями, мы не только получаем от них ценность, но и помогаем им развиваться. Запросы, тексты, идеи и гипотезы становятся частью среды, на которой модели дообучаются. Получается, что люди участвуют в создании ценности, но напрямую за свой вклад ничего не получают.

Возможно, часть этой ценности уже заложена в экономике сервисов, например в стоимости подписки на платные нейросети. Точной внутренней экономики таких продуктов мы не знаем. Но очевидно, что взаимодействие пользователей играет важную роль в развитии моделей.

При этом, как и в платформенной модели, ценность формируется не из отдельных персональных данных. Нейросети обучаются на обобщённых паттернах поведения, смыслах и реакциях пользователей. В результате формируются векторы, которые описывают поведение больших групп людей.

Это открывает возможности для анализа социальных процессов. На основе больших массивов персональных данных можно изучать поведенческие модели и прогнозировать динамику в обществе. По сути, речь идёт о новом уровне анализа социальных данных — неосоциологии.

Экономика процесса обмена персональными данными с нейросетями остаётся непрозрачной. Например, один человек может активно генерировать идеи, тексты и гипотезы, а другой — использовать нейросеть как поисковую систему. Для развития модели это два совершенно разных типа участия, но сегодня они никак не различаются.

Теоретически это может привести к появлению новых моделей взаимодействия. Например, в будущем вклад пользователя в развитие модели может начать учитываться. Чем больше человек будет помогать системе обучаться, тем больше преимуществ он получит: более дешёвые тарифы или дополнительные возможности.

Данные пользователей, которые передали нейросети, не сохраняются в исходном виде. Обычно они нормируются и превращаются в векторы*В информатике вектор — это упорядоченный набор чисел. С его помощью алгоритмы работают с признаками и хранят данные.. Извлечь из них конкретные персональные данные практически невозможно, но вклад в обучение модели при этом сохраняется.

Даже если удалить данные или перестать пользоваться сервисом, созданная ценность не исчезает. Она остаётся внутри экосистемы и продолжает работать в модели.

По мере распространения нейросетей будет расти проблема с различием между реальными и сгенерированными идентичностями. Уже сейчас цифровые профили и боты могут вести себя очень похоже на людей. В будущем такие системы станут ещё более убедительными.

Это создаст новую задачу для платформ: различать реальные и искусственные аккаунты и контролировать применение таких технологий. Вопрос здесь не только технологический, но и правовой и этический. В разных странах уже обсуждаются нормы, связанные с дипфейками и использованием генеративных моделей. Но законодательство традиционно отстаёт от технологий.

Поэтому ближайшие годы станут периодом активных изменений. Нейросети будут всё глубже проникать в цифровую среду, а вместе с этим будут формироваться новые правила работы с персональными данными и новые модели их экономической ценности.

Инфраструктура доверия: почему данные дают доступ, а не доход

Ещё одна модель работы с персональными данными — это инфраструктура доверия. Она заключается в партнёрстве между игроками финансового рынка. Её задача — подтвердить личность человека и сделать операции юридически значимыми.

Речь идёт именно про систему взаимного доверия между участниками рынка. Банки доверяют результатам идентификации, которую провели другие организации или государственные сервисы. Благодаря этому подтверждённые данные клиента могут использоваться в разных финансовых учреждениях.

Примером могут служить система KYC*KYC (Know Your Customer, «знай своего клиента») — это обязательная процедура проверки личности клиента, которую проводят банки и криптобиржи перед началом обслуживания., удалённая идентификация через государственные сервисы, AML-инфраструктура*AML-инфраструктура — комплекс мер для предотвращения отмывания денег, финансирования терроризма и другой незаконной деятельности., электронная подпись и Единая биометрическая система (ЕБС).

Для регистрации биометрии и внесения её в ЕБС пользователь проходит очную идентификацию в банке. Сотрудник проверяет документы и фиксирует биометрические данные. После этого информация передаётся в государственную инфраструктуру хранения. Дальше клиент может взаимодействовать с другими банками уже в цифровом канале. Финансовая организация подтверждает его личность через эту инфраструктуру и может открыть счёт без визита в офис.

Для банков такая система снижает риски мошенничества и позволяет развивать дистанционные сервисы. Для пользователя она упрощает доступ к услугам: достаточно один раз пройти идентификацию, чтобы затем пользоваться сервисами разных банков. Это особенно удобно для жителей удалённых регионов и маломобильных граждан. Они получают финансовые услуги без регулярных визитов в офисы.

Инфраструктура доверия — это модель доступа, а не распределения прибыли. Пользователь раскрывает данные, но не получает прямого дохода. Его выгода — в удобстве, скорости и доступе к финансовой и цифровой инфраструктуре. При этом система сама определяет, может ли человек совершить операцию, получить услугу или взаимодействовать с организацией без визита в её офис.

Когда персональные данные действительно стоят денег

Иногда персональные данные всё же превращаются в экономический ресурс для самого пользователя. В таких случаях информация о человеке напрямую влияет на стоимость услуги: чем больше данных он раскрывает, тем точнее компания может оценить риск и тем выгоднее условия может предложить.

Особенность этой модели в том, что ключевую роль здесь играют индивидуальные персональные данные. Оценка риска проводится для конкретного человека, и условия услуги формируются персонально.

Классический пример — автострахование. Если водитель устанавливает телеметрию на автомобиль, страховая компания получает данные о стиле вождения и может учитывать их при расчёте страховой премии. Аккуратное вождение и спокойная манера езды снижают риск и позволяют предложить более низкую стоимость полиса.

Похожий механизм используется в финансовом секторе. В странах Азии микрофинансовые компании могут предлагать более выгодные условия кредита в обмен на доступ к платёжным данным клиента. Например, к информации из сервисов вроде Alipay. По этим данным можно оценить платёжную дисциплину человека и точнее рассчитать кредитный риск. Чем больше данных раскрывает клиент, тем ниже может быть процентная ставка.

Похожая логика закрепляется и на уровне регулирования. В России микрофинансовые организации могут выдавать онлайн-кредиты только через инфраструктуру ЕСИА*ЕСИА, Единая система идентификации и аутентификации, — это российская государственная система, которая обеспечивает доступ граждан и организаций к государственным и муниципальным электронным услугам, а также информационным системам., Госуслуг и Единой биометрической системы. Если раньше применялись упрощённые методы идентификации, теперь требуется подтверждение личности через государственные сервисы. Это усложняет клиентский путь, но снижает уровень мошенничества и делает риск-модели финансовых организаций более устойчивыми.

Государственные сервисы — модель, где пользователь управляет персональными данными

Ещё одна модель использования персональных данных связана с государственной цифровизацией. В этой системе пользователь не получает прямого денежного дохода. Его выгода — упрощённый доступ к услугам.

В России цифровая государственная инфраструктура строится по принципу добровольности. Регистрация на Госуслугах или регистрация биометрии не являются обязательными. Пользователь может воспользоваться цифровым сервисом, а может получить ту же услугу офлайн — например, через МФЦ или профильное ведомство.

Такой подход закладывается в архитектуру государственных сервисов изначально. У каждой цифровой услуги есть альтернативный сценарий получения.

При этом значительная часть персональных данных граждан появляется в государственных системах автоматически. Первая запись возникает при регистрации рождения в ЗАГСе. Затем добавляются паспортные данные, налоговая информация, сведения о страховании, трудовой деятельности и предпринимательстве.

Так постепенно формируется цифровой профиль. Он существует независимо от того, пользуется ли человек цифровыми сервисами.

Пользователь может применять этот профиль для получения услуг в цифровой среде. Например, открыть банковский или брокерский счёт через портал «Госуслуги». В этом случае человек авторизуется в системе и даёт согласие на передачу части своих персональных данных организации. Банк или брокер получает необходимую информацию и может открыть счёт без личного визита клиента.

Похожим образом работают и другие сервисы, например медицинские системы или региональные порталы государственных услуг. Пользователь даёт согласие на обработку данных и получает доступ к цифровым сервисам.

В отличие от большинства типов монетизации персональных данных, в модели государственной цифровизации пользователь может управлять своими данными. Он может отзывать согласия на обработку личных данных, удалять биометрию или закрывать цифровой профиль.

Одновременно государство выступает оператором инфраструктуры и отвечает за защиту персональных данных граждан. По мере развития цифровых сервисов требования к безопасности таких данных постоянно усиливаются.

Коротко о том, как устроена экономика персональных данных

Существует несколько основных моделей использования и монетизации персональных данных. В каждой из них роль пользователя и его выгода отличаются.

Платформенная экономика

В чём суть: пользователь создаёт цифровой след. Его используют поисковые системы, цифровые сервисы, соцсети, маркетплейсы, сайты знакомств.

Прямая выгода для владельца персональных данных: нет.

Что получает пользователь: доступ к платформам и сервисам.

Выгода платформ: на основе данных запускают таргетинговую рекламу, создают и дорабатывают сервисы.

Контроль над данными со стороны пользователя: ограниченный — зависит от политики конкретной платформы.

Возможность изъятия данных: частичная. При уходе из экосистемы новые данные перестают собираться, но уже накопленные — могут использоваться внутри системы.

Нейросети и генеративные модели

В чём суть: человек работает с нейросетью, делится с ней личными данными и при этом развивает ИИ.

Прямая выгода для владельца персональных данных: нет.

Что получает пользователь: доступ к инструментам искусственного интеллекта.

Выгода нейросетей: они дообучаются на запросах, ответах и идеях пользователей.

Контроль над данными со стороны пользователя: минимальный.

Возможность изъятия данных: практически нет. Если даже их изъять, вклад в обучение модели сохранится.

Инфраструктура доверия

В чём суть: это система партнёрства между организациями, которая позволяет им использовать подтверждённые персональные данные людей для предоставления им услуг.

Прямая выгода для владельца персональных данных: нет.

Что получает пользователь: упрощённый доступ к финансовым услугам и возможность дистанционных операций.

Выгода организаций-партнёров: возможность быстрее и дешевле подтверждать личность клиентов, снижать риски мошенничества и запускать новые цифровые сервисы.

Контроль над данными со стороны пользователя: ограниченный — данные используются внутри инфраструктуры доверия.

Возможность изъятия данных: зависит от отдельных систем и регуляторных требований.

Модель обмена данных на экономическую выгоду

В чём суть: пользователь раскрывает информацию о себе, а компания использует её для точной оценки рисков и предлагает персонализированные условия услуги.

Прямая выгода для владельца персональных данных: есть.

Что получает пользователь: более выгодные условия услуги. Например, более низкую страховую премию или процентную ставку.

Выгода компаний: более точная оценка риска, более редкие случаи мошенничества и возможность персонализировать стоимость услуги.

Контроль над данными со стороны пользователя: частичный — пользователь сам решает, раскрывать ли дополнительную информацию.

Возможность изъятия данных: ограниченная, но отказ от передачи данных обычно ведёт к ухудшению условий услуги.

Государственная цифровизация

В чём суть: персональные данные используют для предоставления государственных услуг.

Прямая выгода для владельца персональных данных: нет.

Что получает пользователь: упрощённый доступ к государственным и финансовым сервисам.

Выгода государственных цифровых сервисов: более эффективное управление услугами, снижение издержек и ускорение взаимодействия с гражданами.

Контроль над данными со стороны пользователя: высокий — можно управлять согласиями.

Возможность изъятия данных: есть. Например, можно удалить биометрию или отозвать согласия на обработку данных.

* Meta признана экстремистской организацией и запрещена на территории РФ.

**Соцсети Instagram и Facebook запрещены в РФ, принадлежат корпорации Meta, которая признана в РФ экстремистской.