Коллективное сознательное: к чему готовиться при работе с краудсорсингом
Низкая мотивация, текучка кадров и непрогнозируемое качество работы – основные трудности, с которыми сталкивается любой краудсорсинговый проект
Краудсорсинг принято считать полезным инструментом для генерации и обработки большого объема данных. На первый взгляд такой подход привлекателен с точки зрения использования недорогих или условно-бесплатных ресурсов: волонтеры выполняют работу по достаточно скромной ставке или вовсе без таковой (в зависимости от проекта). При этом число «рабочих рук» можно наращивать быстро и безгранично. Кажется, этого достаточно, чтобы в рекордно короткие сроки выполнять проекты, которые при обычном подходе могут занимать годы. Только представьте себе, сколько времени и ресурсов потребовалось бы на содержание редакции, способной выдать более сотни содержательных энциклопедических статей ежедневно и подготовить свыше 30 миллионов обширных материалов на 286 языках за 13 лет. Однако это удается «Википедии», над которой работают более 250 тысяч добровольцев.
Если краудсорсинг столь эффективен, то почему еще не все проекты строятся на его основе? За десять лет, прошедшие с первых экспериментов с краудом, стали очевидны и проблемы такого подхода. В первую очередь это стандартные проблемы HR – привлечение и мотивация участников, которые являются двигателем всех краудсорс-проектов. Здесь нужна сильная мотивация. Например, после тайфуна на Филиппинах в 2012 году добровольцы проекта CrowdFlower фиксировали на карте актуальную информацию о состоянии пострадавших районов. Для этого им пришлось проанализировать более 20 тысяч твитов с фото, видео и геолокацией. Волонтерами двигала благородная цель – помочь жертвам катастрофы. Именно такая мотивация позволила справиться с задачей менее чем за двадцать часов.
Другая сложность при работе с краудсорсингом – большая текучка. Большинство краудсорсинговых проектов с конкретными задачами сталкиваются с подобной проблемой, особенно на старте: люди становятся менее активными и покидают проект, как только заканчиваются задачи по их профилю, или просто потому, что решают более активно заняться чем-нибудь еще (а порог переключения для них ниже, чем для штатных сотрудников). Если вам нужно продолжать проект или запускать другие, схожие с ним, это чревато нехваткой ресурсов для новых задач и необходимостью повторно инвестировать усилия в привлечение и обучение новых исполнителей. Конечно, такие сложности могут возникнуть в любом проектном бизнесе, но в некоторых масштабных краудсорсинг-проектах этот вопрос встает более остро. Важно поддерживать ядро исполнителей в активном состоянии и иметь технологии, которые позволяют быстро привлекать, тестировать и обучать новых людей.
В то же время, безусловно, участников можно созвать снова, если задача будет иметь социальное значение. Например, Person Finder – проект Google, запущенный во время землетрясения в Японии в 2011 году, уже использовался ранее при землетрясении на Гаити в 2010 году. Во время японской катастрофы команде Google потребовалось два часа на старт: они призывали людей фотографировать списки пропавших и пострадавших, которые затем анализировали и выкладывали на сайте. Когда сотрудники уже не справлялись с обработкой фотографий, за дело взялись пять тысяч добровольцев. Они разобрали более десяти тысяч снимков и добавили в базу более 140 тысяч имен.
Важная задача в работе с краудсорс-сообществом – обеспечение качества результата. Когда нанимаешь сотрудников в штат, есть возможность достаточно глубоко оценить их квалификацию. В случае с краудсорсингом проверить компетенции каждого участника труднее. Но все же и здесь применимы стандартные HR-методы. Во-первых, это тренинговая составляющая. Подробные инструкции к заданиям и эталоны их выполнения увеличивают вероятность качественного результата в геометрической прогрессии. Во-вторых, наличие в проекте технологической платформы. Если с ней удобно, просто и интересно работать, то участники будут лучше выполнять свои задачи. В противном случае эффективность крауда сильно падает. Мы постарались учесть этот важный фактор при подготовке к «Переведем Coursera». Проанализировав опыт локализации Coursera с использованием готовых технологических решений в других странах и отзывы участников, мы поняли, что брать чужое решение рискованно. Мы создали собственную платформу, и в результате сейчас это специализированный инструмент для коллективного перевода: технология позволяет организовать одновременную работу для тысяч переводчиков со всей страны, максимизировать качество, а также поддерживать постоянный интерес волонтеров. Всего за три месяца после запуска было собрано сообщество почти из пяти тысяч волонтеров, которые перевели уже более четырех с половиной страниц (больше миллиона слов).
В-третьих, нужно делить крупные задачи на подзадачи. Технологии краудсорсинга – это своего рода человеческий API: участники выполняют определенную работу и тем самым замещают целую функцию (например, отдел переводов), взаимодействуя с заказчиком по заданным правилам. Первопроходцем здесь стал сервис Amazon под названием Mechanical Turk. На платформе пользователи выполняют мелкие задачи в режиме онлайн: например, проверяют и фильтруют большой объем данных, причем каждый работает с маленькой частью этих данных. Компания-заказчик принимает результаты через API. Уже упомянутый проект CrowdFlower использует Mechanical Turk как инструмент безликой рабочей силы для кастомных решений. Мобильный стартап российской команды Mnemonic идет чуть дальше: крауд решает конкретные задачи и в то же время помогает обучать технологию, чтобы далее она все лучше справлялась с той же самой работой без участия человека.
Помогает решить проблемы краудсорсинга и человеческий труд, но труд уже не «толпы», а конкретной личности, которая контролирует процесс и несет ответственность за его результат. Одну и ту же задачу могут выполнять несколько пользователей, а за качеством их работы следит модератор. Такой подход повышает качество результата. Особенно наглядно это проявляется в различных проектах по переводу, без которых гораздо меньше людей смогли бы пользоваться современными технологиями, а некоторые из них и вовсе не имели бы смысла. Например, пользователи помогли локализовать Facebook на свои родные языки: они переводили и голосовали за лучшие варианты, которые администраторы затем модерировали и добавляли в интерфейс соцсети. Локализация Facebook на немецкий и испанский языки заняла всего неделю, а перевод на французский волонтеры вообще выполнили за сутки, притом что объем исходного текста составлял 300 тысяч слов (примерно 1200 страниц)! Коммерческого перевода Facebook более чем на 60 языков могло и не быть еще долго, так как для этого потребовалось бы очень много времени и, вероятно, в тот момент компания еще не была готова оплатить локализацию такого объема. При этом завоевывать локальные рынки Facebook нужно было в тот самый момент и как можно быстрее. А для той же Coursera краудсорсинг переводов – практически единственный шанс поделиться знаниями со всем миром в режиме реального времени.
Еще одна сложность, с которой сталкиваются компании при использовании краудсорсинга, – конфиденциальность данных. Как видно уже сейчас, решением может стать синергия машин и людей. Фрагментирование задач и шифрование данных в облаке позволяют избежать утечки информации.
Новые модели – это всегда новые вызовы. Спектр задач, которые можно решить с помощью краудсорсинга, становится шире. Однако появляются и новые вопросы. Мы верим, что ответы на них позволяют не только обрести новые навыки, но и подстегивают развитие технологий, а значит, открывают возможности для создания сервисов совершенно нового типа в разных отраслях.
ИВАН СМОЛЬНИКОВ
