Datafikacja

Definicja robocza

Datafikacja to przekształcanie zjawisk, które dotąd nie miały postaci danych (ruchu ciała, rozmowy, nastroju, przyjaźni, trasy do pracy), w zapis ilościowy nadający się do gromadzenia, porównywania i przetwarzania przez maszyny. Nie jest tożsama z digitalizacją, czyli przeniesieniem istniejącej treści do postaci cyfrowej: zdigitalizowana książka to nadal książka, zdatafikowana lektura to zapis, które strony czytelnik pominął i gdzie przerwał. W wersji potocznej termin oznacza po prostu „wszystko jest dziś mierzone”; w wersji technicznej opisuje konkretną operację, która ma trzy warunki: czujnik lub interfejs, standard zapisu oraz podmiot, który z zapisu wyciąga wartość. Analiza zaczyna się od pytania, kto spełnia ten trzeci warunek.

Geneza i rodowód

Termin w dzisiejszym znaczeniu spopularyzowali Viktor Mayer-Schönberger i Kenneth Cukier w książce Big Data (2013), gdzie osobny rozdział nosi tytuł „Datafication”; wcześniej słowo pojawiało się w żargonie informatycznym i menedżerskim bez ambicji pojęciowych. Autorzy pisali z pozycji afirmatywnej: datafikacja miała być kolejnym etapem po kwantyfikacji świata przez nowożytną naukę i statystykę państwową, tyle że tańszym i powszechniejszym. Pojęcie niemal natychmiast przejęła krytyczna teoria mediów. José van Dijck w 2014 r. nazwała leżące u jego podstaw przekonania „dataizmem” i przeniosła ciężar z techniki na ideologię. Następnie Nick Couldry i Ulises Mejias (2019) wpisali je w ekonomię polityczną jako „kolonializm danych”, a Jathan Sadowski (2019) jako akumulację kapitału. W rezultacie termin krąży dziś w dwóch obiegach, które rzadko się czytają nawzajem: w literaturze biznesowej i w studiach nad nadzorem. Linia dziedziczenia prowadzi od historii kwantyfikacji (Theodore Porter, Alain Desrosières) przez socjologię nadzoru (David Lyon) do dzisiejszych badań nad platformami.

Rodowód środkowoeuropejski

Jeden z dwóch autorów kanonicznego sformułowania ukształtował się w Austrii. Viktor Mayer-Schönberger, urodzony w 1966 r. w Zell am See, studiował prawo na Uniwersytecie w Salzburgu (magisterium 1988, doktorat 1991), w 1986 r. założył tam firmę programistyczną Ikarus Software, a w 2001 r. uzyskał w Grazu uprawnienia do wykładania prawa informacji. Dopiero po tej formacji przyszły Harvard Kennedy School, Singapur i Oxford Internet Institute. Istotne jest, że do pojęcia doszedł nie od strony inżynierii danych, lecz od strony europejskiego prawa ochrony danych i problemu pamięci cyfrowej (jego wcześniejsza książka Delete, 2009, dotyczy prawa do zapomnienia). To tłumaczy, dlaczego w Big Data datafikacja jest opisana jako zjawisko prawno-społeczne, a nie techniczne. Współautor, Kenneth Cukier, pochodzi z innego obiegu: dziennikarstwa ekonomicznego w Londynie. Późniejsze teksty definicyjne (van Dijck 2014, Mejias i Couldry 2019) przypisują termin obu autorom łącznie, więc rodowód dotyczy połowy autorstwa i nie przesądza, który z nich wniósł samo słowo.

Dlaczego teraz

Trzy ciągi zdarzeń z lat 2018–2026 zmieniły datafikację z opisu trendu w przedmiot sporu politycznego. Pierwszy to regulacja: RODO (stosowane od maja 2018 r.), a potem unijne akty o usługach cyfrowych, o rynkach cyfrowych, o danych i o sztucznej inteligencji (2022–2024) uczyniły z pytania „co wolno zdatafikować i komu” przedmiot prawa, nie etyki. Drugi to skandale: sprawa Cambridge Analytica (marzec 2018) pokazała, że dane o polubieniach wystarczają do profilowania politycznego, a kolejne lata przyniosły spory o dane z aplikacji zdrowotnych, samochodów i urządzeń domowych. Trzeci to modele generatywne: od 2022 r. treningi dużych modeli językowych uświadomiły, że zdatafikowany zasób tekstów, obrazów i rozmów jest surowcem o wartości przemysłowej, a procesy o prawa autorskie i umowy licencyjne między wydawcami a laboratoriami AI (2023–2025) są w istocie sporem o cenę datafikacji kultury.

Siła wyjaśniająca

Pojęcie pozwala oddzielić trzy rzeczy, które w publicystyce zlewają się w „big data”: akt pomiaru, jego standaryzację i przechwycenie wartości. Po pierwsze, tłumaczy, dlaczego aplikacje oferują za darmo funkcje kosztowne w utrzymaniu: nie użytkownik jest klientem, lecz zapis jego zachowania jest produktem; ekonomia platformy staje się zrozumiała dopiero wtedy, gdy zobaczymy, co dokładnie zostało zdatafikowane. Po drugie, wyjaśnia asymetrię w pracy platformowej: kierowca lub kurier widzi tylko zlecenie, podczas gdy jego tempo, trasy i odmowy są danymi, na których buduje się ocenę i cennik. Po trzecie, pokazuje, dlaczego systemy uczące się odziedziczają uprzedzenia: datafikacja zawsze wybiera, co zapisać, a czego nie, więc dane są zapisem wcześniejszych decyzji, a nie neutralnym obrazem świata. Bez pojęcia widać same skutki; z pojęciem widać moment wyboru.

Osie sporu

Niedoceniany kąt

Debata skupia się na tym, co datafikacja zabiera (prywatność, autonomię), rzadziej na tym, co traci sam podmiot datafikujący. Zapis zawsze wybiera, a to, co nie zostało zapisane, przestaje istnieć dla systemu: opieka, która nie generuje zdarzeń, praca, która polega na zapobieganiu, jakość, która nie ma miary. Organizacje, które zarządzają wyłącznie tym, co zdatafikowane, systematycznie ślepną na własne fundamenty. Historia kwantyfikacji u Portera podpowiada, że liczby zastępują zaufanie tam, gdzie zaufania brakuje; masowa datafikacja jest więc także symptomem instytucji, które przestały wierzyć własnym ludziom. Drugim pomijanym wątkiem jest nietrwałość: zdatafikowany świat wymaga stałej konserwacji standardów, czujników i formatów, więc jest kruchszy niż świat papierowy, choć sprawia wrażenie bardziej kompletnego.

W przekładzie

Polski termin jest nieustalony. „Datafikacja” jest kalką najbliższą oryginałowi i przyjęła się w literaturze medioznawczej; „datyfikacja” pojawia się w tekstach prawniczych, lecz myli się z dawnym znaczeniem (datowanie dokumentu). Propozycje w rodzaju „udanowienia” są przejrzyste, ale nie weszły do obiegu. Wybieramy „datafikację”, bo zachowuje łączność z angielskojęzycznym korpusem badań, i odnotowujemy, że przy pierwszym użyciu warto podać oryginał.