Europa multa a Google con €2.420 millones por abuso de posición dominante en su buscador de compras de Denken Über

La Unión Europea decidió multar a Google por abuso de posición dominante en su motor de búsquedas de compras, una de las propiedades menos rentables de Google y que, pese a que la cifra está siendo hasta tratada de insignificante para el cash-reserve de Google, tiene más de una lectura preocupante a largo plazo.

  • Abre una rendija a los competidores de cada uno de sus nichos, de hecho en este caso imaginen a Amazon como debe estar festejando que, cada día, se está convirtiendo en el comparador de precios de preferencia para gran parte de los “usuarios avanzados”
  • Prende una señal de alarma sobre el golpe financiero que puede sufrir Alphabet en los dos juicios anti-competencia que tiene abiertos sobre dos de sus grandes vacas sagradas: AdSense (recuerden que ya en 2013 Google te prohibía usar redes de publicidad de terceros encerrandote en su red) y Android (recuerden que ya desde 2014 la UE dice que Android abusa de su posición dominante) por, casualmente, ponerle trabas no-naturales a la competencia.

Y pienso todo lo preocupante que es a largo plazo porque las multas de la Unión Europea se basan en el turnover de la empresa multada y las ganancia potenciales que han generado estas actitudes durante todo el tiempo en el que el abuso estuve activo… lo que da números increíbles (recuerden los 14.000 millones a irlanda por permitirle a Apple abusar del “loophole” de la Double-Irish) y aunque la salud financiera de uno de los grandes no esté amenazada lo que está amenazado es su forma de hacer negocios y eso genera problemas internos.

Aún pensando esto ¿que pasará si la gente de Yelp reviviera su demanda de tratamiento injusto

  • (aka: abuso de posición dominante)
  • pero en la US en vez de US? La cantidad de variables incontrolables que se pueden abrir son gigantes eso, realmente, no es bueno para planificar negocios… ni para la reputación pero eso últimamente cotiza en baja ;)

    Home assistants: Amazon Echo, Google Home and Apple HomePodLos home assistants, asistentes virtuales o smart speakers (la categoría no tiene todavía claramente definido un nombre unívoco) están viviendo una competencia muy interesante. Un mercado que contó con Amazon como decidida pionera con su Amazon Echo, lanzado en noviembre de 2014 y actualmente líder absoluto en ventas y penetración de mercado, pero al que se sumó Google con su Google Home en noviembre del pasado 2016, y Apple HomePod, presentado en el último WWDC y con disponibilidad anunciada para diciembre de 2017.

    Este tipo de dispositivos son, en realidad, la combinación de un sofisticado hardware compuesto por sensores, altavoces y micrófonos pensados para proporcionar un sonido de calidad y un reconocimiento de voz desde cualquier punto de la habitación (y con sistemas de cancelación para poder reconocer un comando aunque esté sonando la música), con un asistente virtual desarrollado de manera independiente, y que, de hecho, puede ser asociado a otros dispositivos. Hablamos de Alexa, Google Assistant y Siri, que proporcionan a la combinación de micrófonos y altavoces sus características de “inteligencia”.

    La batalla, lógicamente, tiene una connotación mucho más importante en este segundo segmento, que en realidad comenzó con una secuencia diferente: aquí el papel de pionera corresponde a Apple, que lanzó Siri al mercado en octubre de 2011, seguida de Google, que lanzó su Google Now en julio de 2012 para posteriormente evolucionarla a Google Assistant, y de Amazon, que puso en el mercado su Alexa en noviembre de 2014 coincidiendo, lógicamente, con el lanzamiento de Amazon Echo.

    Las fechas, en este terreno, resultan sumamente relevantes: cuanto más tiempo están en el mercado este tipo de plataformas, más datos generan con los que trabajar y con los que adiestrar sus algoritmos, y más mejora la funcionalidad. Mientras Apple y Google se dedicaron a utilizar sus asistentes en la plataforma smartphone, apostando por una funcionalidad que, en el hogar, podría seguir siendo llevada a cabo por ese mismo dispositivo, Amazon pensó que un dispositivo dedicado podría ofrecer mejores prestaciones, y desarrolló su Alexa directamente vinculada a Echo, en lugar de ofrecerla para una plataforma smartphone que no tenía, tras el fallido lanzamiento de su Fire Phone. El éxito de Amazon Echo, que comenzó a crecer de manera impresionante en el mercado norteamericano hasta alcanzar una cuota de mercado del 70%  y está presente ya en Alemania y el Reino Unido, alarmó a Google y a Apple, temerosas al ver cómo su competidor se hacía con una plataforma doméstica que podía terminar siendo estratégica. Mientras, Amazon convirtió su asistente en un ecosistema abierto, y ofreció a los desarrolladores la posibilidad de crear skills, o habilidades con las que dotar al dispositivo de funcionalidad. Actualmente, la mayor difusión de Amazon Echo hace que sea el ecosistema para el que existe un número superior de skills: prácticamente todos los fabricantes de dispositivos para la automatización de funciones en el hogar, desde bombillas inteligentes hasta termostatos o cerraduras.

    Mientras Apple aún parece posicionar fundamentalmente su HomeKit como un dispositivo para escuchar música, la lucha entre Amazon Echo y Google Home parece centrarse más en la calidad del asistente y la integración de funciones. Recientemente, un estudio llevado a cabo por una agencia de publicidad estableció que, en términos de calidad y tomando una muestra de tres mil preguntas, el asistente de Google contestaba de manera correcta en seis veces más ocasiones que la Alexa de Amazon.

    ¿Qué quiere decir esto? Simplemente, que mientras Google lleva ya muchos años, desde 2012, alimentando y desarrollando su Knowledge Graph y convirtiéndolo en una parte fundamental de su buscador, Amazon cuenta únicamente con el material que obtiene a través de la interacción de sus usuarios con sus dispositivos, sensiblemente inferior tanto en calidad como en cantidad. Sin embargo, ¿es esto suficiente como para otorgar una medalla de ganador definitiva? Todo indica que no: en este momento, los propietarios de dispositivos de este tipo parecen inclinarse por una funcionalidad para sus asistentes más centrada en la automatización de tareas y la petición de funciones sencillas, como el tiempo, las noticias u otro tipo de peticiones rutinarias, más que por la posibilidad de hacerle preguntas de un tipo algo más complejo. En efecto, Google Home puede ser más inteligente a la hora de responderte a preguntas de propósito general, pero los usuarios no parecen querer eso, sino que conecte con dispositivos de más fabricantes, con habilidades creadas por más desarrolladores, y con funcionalidades más del día a día. Por lo que se ve, queremos más un mayordomo diligente que un tipo listo capaz de contestar a todas nuestras preguntas.

    ¿Cómo evolucionará esta dinámica competitiva? ¿Es más importante centrarse en el desarrollo de ecosistema y en la funcionalidad por encima de todo, o en desarrollar el cociente intelectual del asistente? ¿O, como parece sugerir Apple, en hacer una cosa muy bien – poner música – y dejar que el resto de funcionalidades se conviertan en una propuesta creciente (Apple solo menciona la posibilidad de usar su HomePod para cuestiones sencillas como encender las luces, poner un cronómetro o leer las noticias al final de la página de descripción)?

    La batalla está servida, y los jugadores son de los que prometen una competición verdaderamente interesante. En caso de tenerlos disponibles actualmente en tu mercado, ¿por cuál te parece que optarías, si efectivamente quisieses tener uno? ¿Qué elementos introducirías en tu decisión?

     

    IMAGE: Darko Vujic - 123RFDesde su lanzamiento el 1 de abril de 2004, los términos de servicio de Gmail, el servicio de correo electrónico de Google, estuvieron perfectamente claros: espacio prácticamente ilimitado, gestión cómoda y sencilla, buena búsqueda, y totalmente gratuito a cambio de que la compañía escanease de manera automática el contenido de los mensajes para insertar, a su derecha, publicidad personalizada.

    En su momento, el lanzamiento de Gmail fue profundamente disruptivo: los correos electrónicos en la web hasta ese momento ofrecían únicamente dos o cuatro megabytes de capacidad, eran auténticas factorías constantes de spam y ofrecían una experiencia de usuario profundamente decepcionante… cuando Google, sin previo aviso, lanzó su correo con un gigabyte y un filtro anti-spam ya entonces espectacularmente bueno. A cambio de un servicio tan diferencialmente bueno, la compañía insertaba publicidad personalizada en función de los contenidos del mensaje: nadie leía tu correo, pero un algoritmo lo escaneaba y escogía en la base de datos de anunciantes que hubiesen optado por esa posibilidad, los anuncios que tenían sentido en función de su temática. La opción, que en su momento recibió numerosas críticas por lo que suponía de cara a la privacidad, ha sido una característica de Gmail desde sus inicios, la manera en la que Google trataba de financiar un producto así.

    Ahora, tras trece años de funcionamiento, tras convertirse sin ninguna duda en la mejor forma de gestionar el correo electrónico y tras crecer hasta los 1,200 millones de usuarios en todo el mundo, Google ha decidido eliminar los anuncios en función del escaneado de nuestros correos electrónicos. El servicio seguirá conteniendo publicidad, pero los algoritmos de asignación de la misma se basarán en otra información personal que la compañía obtiene de sus usuarios en función de productos como sus búsquedas en la web o los vídeos que ve en YouTube. La razón oficial para eliminar esta práctica, según el anuncio de la compañía, parece ser el ascenso progresivo del número de clientes corporativos que pagan por el uso de Gmail como parte de G Suite, que no recibían publicidad por tratarse de un servicio de pago, pero que podían sentirse preocupados con esa práctica que veían en el uso de sus cuentas no corporativas.

    Una supuesta inquietud que, curiosamente, nunca fue un obstáculo real a su adopción por parte de los usuarios y nunca llevó a la cancelación de la función en los años que el producto lleva en funcionamiento, lo que probablemente indica que la compañía, a lo largo de ese tiempo, ha podido comprobar que la eficacia de esos anuncios administrados en función del contenido del correo electrónico que estábamos leyendo debía ser sumamente baja, y por tanto, la relación coste-beneficio de mantener la práctica se convertía en negativa, y podía ahuyentar a posibles clientes interesados en la herramienta para un uso corporativo. Por otro lado, la decisión indica también una armonización en la manera en que funcionan los diferentes productos de la compañía, y un interés por mejorar su percepción en términos de respeto a la privacidad.

    En sus más de trece años de funcionamiento, Gmail ha evolucionado desde su ya inicial posición de ventaja con respecto a otras ofertas para convertirse en uno de los mejores productos que existen, con una interfaz cada vez mejor, unos filtros anti-spam que mejoran día a día y que en muy contadas ocasiones te obligan a rescatar nada de la carpeta correspondiente, y con cada vez más sistemas pensados para hacer el uso más eficiente y que, claramente, corresponden al modelo de “nosotros mismos usamos este producto y eso hace que constantemente se nos ocurran maneras de mejorarlo”. Aún no he comenzado a utilizar las auto-respuestas de correo que Gmail propone mediante algoritmos de machine learning al final de cada mensaje (Smart Reply), pero sí he podido comprobar que, generalmente, tienen mucho sentido.

    Desde hace muchos años, la gestión integral de mi correo, tanto personal como corporativo, tiene lugar a través de Gmail, y mi nivel de satisfacción no puede ser más elevado. Ahora, además, hay una razón más para utilizarlo: la controvertida práctica de escanear el contenido del correo de los usuarios para administrarles anuncios contextuales pasa a la historia.

     

    Google Chrome AdBlocker, parte y juez del mercado publicitario de Denken Über

    No veo mal que existan “filtros de calidad de anuncios integrados en el navegador”, de hecho creo que es una consecuencia del mercado publicitario actual y su caída constante en el precio por unidad. Pero cuando ese anuncio viene del mismo jugador que tiene el 50% del market share de navegadores y el 50% del mercado publicitario online me preocupo un poco… porque el juez del mercado va a ser el mismo que maneja no sólo lo anunciantes sino también los sitios donde se publicita.

    Sumenle que esa misma empresa es uno de los dos jugadores que se llevan el crecimiento anual de la industria haciendo que el resto sea marginal la cosa se complica un poco.

    Voy de nuevo: es genial que se eviten las publicidades intensivas. Es genial que los anunciantes tengan una herramienta para ver que “tipo de ¿instrusividad?” generan sus anuncios. Es genial que haya un acuerdo en la industria. Pero no es lógico que alguien con tanto poder tome esa decisión.

    Y una pequeña muestra va a ser que la ventaja asociada a usar a Google como plataforma publicitaria será que automáticamente al crear/subir los anuncios y su placement estos serán analizados en la misma plataforma con lo que todo lo que pase por Google estará whitelisted automáticamente y tendrá más chances de ser visto, lo que es en última instancia el objetivo de todo anunciante y le dará más poder, aún, a Google.

    Machine learning competitions

    Mi columna de El Español de esta semana se titula “Las máquinas y los retos“, y habla sobre las distintas competiciones que algoritmos de machine learning han ido disputando contra los humanos a lo largo de la historia reciente, al hilo de la nueva partida de Go disputada entre el algoritmo de Google, AlphaGo, y el joven genio chino del Go, Ke Jie, con victoria del primero.

    Las dos partidas de Go jugadas por Ke Jie contra AlphaGo se produjeron en un contexto extraño: no solo tenían lugar después de las derrotas sucesivas de Fan Hui y Lee Sedol, otros de los mejores jugadores del mundo, sino que además, su emisión fue censurada por el gobierno chino, en un extraño ejercicio de mala interpretación del orgullo nacional. Para Ke Jie, que ha reconocido que el algoritmo de Google es ya “demasiado fuerte para los humanos” y se ha convertido en una especie de “dios del Go”, la situación es tan curiosa como la de ser utilizado como prueba, como argumento final de la superioridad de la máquina en el juego, un papel experimentado anteriormente por otro escaso puñado de humanos en otros juegos.

    La importancia de este tipo de desafíos es relativa. En realidad, hablamos de acciones de comunicación, destinadas a obtener repercusión pública de trabajos que, de no utilizar este tipo de competiciones, sería muy difícil que expusiesen sus avances a un nivel que llegase a todos los públicos. A lo largo del tiempo, hemos ido viendo cómo los algoritmos de machine learning se apropiaban del ajedrez, del Jeopardy, del Go y, recientemente, del póker, sin que muchos se hayan parado a pensar qué era exactamente lo que cada competición pretendía demostrar.

    En el ajedrez, la cosa era relativamente sencilla: hablamos de un juego de cálculo de escenarios. Cada movimiento genera un escenario nuevo, y los buenos jugadores son capaces de proyectar mentalmente las jugadas a las que puede dar lugar varios movimientos después. Cuando Kasparov pierde contra el Deep Blue de IBM en 1996, lo único que como humanos tuvimos que reconocer fue que una máquina era ya capaz de calcular escenarios probabilísticos mejor que el cerebro de una persona. Perfecto, cuestión de fuerza bruta computacional. Nada que nos ofenda cuando ya llevamos décadas utilizando calculadoras de mano u hojas de cálculo, y considerándolas no una amenaza, sino una bendición. Hasta aquí, todo bien.

    Cuando, en 2011, otro producto de IBM, Watson, gana a los mejores jugadores de la historia en Jeopardy, la cuestión ya empieza a ser distinta. Aquí, una máquina está probando ser capaz de entender las muchas veces retóricas preguntas del Jeopardy expresadas en lenguaje natural, buscar sus posibles respuestas, escoger una de ellas, darle a un botón… y ganar. Después de Jeopardy, sabemos ya que un algoritmo va a ser mejor que las personas entendiendo el lenguaje que las propias personas han inventado, lo que abre paso a todo tipo de innovación en robots conversacionales, chatbots, abogados, médicos haciendo diagnósticos… lo que queramos.

    En 2015, un algoritmo ya no de IBM, sino de Google, venció a dos de los mejores jugadores del mundo de Go, desafío que en estos días se acaba de completar con la tercera victoria. ¿De qué hablamos aquí? Este es el desafío que corona la importancia del deep learning. Tras mucho entrenamiento del algoritmo suministrándole todas las partidas de Go jugadas y registradas a lo lago de la historia, Google fue capaz de obtener un jugador muy bueno, pero que unas veces ganaba y otras no. Hasta ahí, había llegado a educar un algoritmo para jugar como los grandes maestros de Go, ni más, ni menos. Fue cuando pasó al deep learning cuando se produjo el diferencial: pusieron a la máquina a inventarse partidas que no se había jugado, a jugar contra sí misma, a explorar escenarios improbables. El resultado fue que en algunas de las partidas, AlphaGo empleó movimientos que jamás un humano había llevado a cabo en partida alguna, que tenían una probabilidad de uno entre diez mil, y logró vencer. Ahora, tenemos que vivir sabiendo que un algoritmo puede desarrollar su inteligencia para una tarea más allá de donde el ser humano ha sido capaz de hacerlo.

    Finalmente, llegó 2017, y un algoritmo creado en la universidad de Carnegie Mellon, Libratus, fue capaz de vencer a algunos de los mejores jugadores del mundo de póker. El póker, un juego intrínsecamente humano, en el que varias cartas permanecen boca abajo y solo se puede especular sobre ellas, mientras tenemos como entradas de información el resto de cartas en la mesa y la información que los otros jugadores nos dan con sus apuestas, sean o no faroles. Tras 120,000 manos de póker jugadas a lo largo de veinte días, la victoria de Libratus fue absoluta e incondicional: los humanos no tuvieron ninguna posibilidad. ¿Qué significa esto? Sencillamente, que una máquina ya es capaz de analizar una situación de información imperfecta, sometida a incertidumbre, y puede tomar decisiones en ella con mejores resultados que los que podría obtener un humano. Eso mismo, tomar decisiones en entornos de información incompleta o imperfecta, incluida posiblemente información falsa, es lo que hace un directivo en una compañía, lo que yo llevo veintisiete años intentando que mis alumnos aprendan a hacer. Y el enfoque dado por Tuomas Sandholm, creador de Libratus, es precisamente ese: crear un algoritmo de propósito amplio. No está interesado en un algoritmo para jugar al póker, sino en uno capaz de llevar a cabo cuestiones como análisis de ciberseguridad, diagnósticos médicos o negociación empresarial.

    Las competiciones y retos empresariales no hay que analizarlas simplemente como la estrategia de comunicación que representan para quien las hace, sino como lo que realmente significan en términos de logros, de demostración de posibilidades, de aplicaciones posibles. Si alguien aún duda de las posibilidades del machine learning, que venga y plantee el siguiente reto.