आर्टिफिशियल इंटेलिजेंस ने मध्यावधि चुनावों को कैसे प्रभावित किया - और यह लोकतंत्र की एक स्थायी विशेषता बन जाएगा

आर्टिफिशियल इंटेलिजेंस ने डेमोक्रेट्स को इस चुनावी मौसम में धन उगाहने वाली बढ़त देने में मदद की, जिससे ब्लू पार्टी को सीनेट पर नियंत्रण बनाए रखने और सदन के रिपब्लिकन अधिग्रहण को कुंद करने की अनुमति मिली।

जबकि खेल में कई अन्य कारक थे, पेशेवर धन उगाहने वालों के अनुसार, डेमोक्रेट अपने रिपब्लिकन प्रतिद्वंद्वियों की तुलना में व्यक्तिगत, छोटे-डॉलर के दानदाताओं से अधिक पैसा लाने के लिए, दाताओं को खोजने में एआई पर अधिक निर्भर थे।

धन उगाहने वाले क्षेत्र में डेमोक्रेटिक डेटा टेक्नोलॉजी कंपनी स्टर्लिंग डेटा कंपनी चलाने वाले मार्टिन कुरुज ने कहा, "आगे बढ़ने वाले लोकतंत्र में एआई तेजी से महत्वपूर्ण भूमिका निभाएगा।"

डेटा एनालिटिक्स का उपयोग एक दशक से अधिक समय से राजनीतिक धन उगाहने में किया गया है, और बॉट्स - स्वचालित सिस्टम जो सोशल मीडिया पर पोस्ट करते हैं - ने बड़े पैमाने पर राजनीतिक संदेशों को लंबे समय तक फैलाया है। लेकिन दाताओं की पहचान करने और आउटरीच प्रयासों को अधिकतम करने के लिए एआई का उपयोग अपेक्षाकृत नया है।

गलियारे के बाईं ओर, धन उगाहने वाले कृत्रिम बुद्धिमत्ता का उपयोग यह अनुमान लगाने के लिए कर रहे हैं कि कौन उनके कारण के लिए दान करने की संभावना है, जबकि रिपब्लिकन पक्ष में, दानदाताओं की स्थापित सूची के लिए आउटरीच की दक्षता को अधिकतम करने के लिए धन उगाहने वाले कृत्रिम बुद्धि का उपयोग कर रहे हैं। जबकि रिपब्लिकन दृष्टिकोण प्रति दाता अधिक डॉलर जुटा सकता है, उनके पास कम दाताओं से जुटाने के लिए है।

रिपब्लिकन मेहमेट ओज़ के खिलाफ पेन्सिलवेनिया में सीनेट सीट जीतने वाले डेमोक्रेट जॉन फ़ेटरमैन पर विचार करें। फ़ेडरल इलेक्शन कमीशन के अनुसार , फ़ेटरमैन ने 2022 में $55 मिलियन से अधिक जुटाए, जबकि मेहमत ओज़ ने $15 मिलियन से अधिक जुटाए। फेट्टरमैन का आधे से अधिक हिस्सा 200 डॉलर या उससे कम देने वाले व्यक्तिगत दाताओं से आया, जबकि ओज़ के योगदान का लगभग एक तिहाई ऐसे छोटे-डॉलर के दाताओं से था।

श्री फ़ेटरमैन, जिनके अभियान में एआई का उपयोग किया गया था, वे अकेले नहीं थे। अधिकांश राज्यव्यापी डेमोक्रेट्स ने अपने GOP समकक्षों को छोटे-डॉलर के स्थान में बड़े गुणकों से बाहर कर दिया।

2022 के चुनाव चक्र से संघीय चुनाव आयोग के आंकड़े बताते हैं कि डेमोक्रेटिक कांग्रेसनल कैंपेन कमेटी, या DCCC जैसे डेमोक्रेटिक डोनर संगठनों ने डिजिटल अधिग्रहण पर लगभग $8.4 मिलियन खर्च किए, जबकि एकजुट छोटे डॉलर के योगदान से $85.6 मिलियन जुटाए - जो उन्होंने खर्च किया उससे लगभग दस गुना। उसी समय, नेशनल रिपब्लिकन कांग्रेसनल कमेटी जैसे रिपब्लिकन संगठनों ने डिजिटल अधिग्रहण पर लगभग $32 मिलियन खर्च किए और यूनिटमाइज्ड छोटे डॉलर के योगदान में उस राशि से दोगुने से भी कम राशि जुटाई।

जबकि बाईं ओर छोटे-डॉलर के दाता आमतौर पर अपने रिपब्लिकन समकक्षों की तुलना में अधिक समृद्ध होते हैं, डेमोक्रेट लाभ केवल जनसांख्यिकी से अधिक है।

पिछले एक दशक में, दानदाताओं को खोजने के लिए डिजिटल विज्ञापन प्रचलित साधन रहे हैं। लेकिन धन उगाहने वाले ईमेल और मोबाइल अधिग्रहण में स्थानांतरित हो गए हैं क्योंकि Apple के 2021 गोपनीयता उपायों के बाद डिजिटल विज्ञापन रिटर्न वापस आ गया है जो डिजिटल विज्ञापनदाताओं की ट्रैकिंग क्षमताओं को सीमित करता है। कुछ फर्मों ने जल्द ही महसूस किया कि एआई-संचालित डोनर टारगेटिंग ईमेल और मोबाइल अधिग्रहण का सबसे प्रभावी और तेज़ साधन था।

कुरुक्ज़ ने कहा, "दुनिया में कोई भी डेटा विश्लेषक हजारों संभावित दाताओं के माध्यम से सॉर्ट नहीं कर सकता है और यह पता लगा सकता है कि पैसे देने की सबसे अधिक संभावना है," लेकिन एआई ऐसा कर सकता है।

"हम एक ऐसे बिंदु पर पहुंच गए हैं जहां कोई भी व्यक्ति जो स्प्रेडशीट का उपयोग कर सकता है, वह डेटा-संचालित निर्णय लेने के लिए मशीन लर्निंग का उपयोग कर सकता है," अकीओ के सह-संस्थापक जोनाथन रेली ने कहा।

एआई मॉडल बड़े रुझानों को देख सकते हैं, ऑनलाइन दान की भविष्यवाणी कर सकते हैं और सेकंड में लक्ष्यीकरण को फिर से जांच सकते हैं, जिससे अभियानों को वास्तविक समय में अपने आउटरीच को अनुकूलित करने की अनुमति मिलती है।

कन्वर्जेंस मीडिया में डिजिटल मार्केटिंग के उपाध्यक्ष टॉम न्यूहाउस ने कहा, "हम बोर्ड भर में डेमोक्रेट की तुलना में प्रति दाता अधिक राजस्व उत्पन्न करते हैं, लेकिन यह भी कहा कि ऐप्पल के आईओएस परिवर्तनों ने रिपब्लिकन की दाता पूर्वेक्षण रणनीतियों को चोट पहुंचाई है।"

Sterling Data एक बिना कोड वाली मशीन-लर्निंग वेबसाइट, Akkio.com का उपयोग करता है, जो उपयोगकर्ताओं को अपनी डेटा स्प्रेडशीट को साइट में खींचने और छोड़ने की अनुमति देती है। बैकएंड पर, अकीओ डेटा का विश्लेषण करता है और उपयोगकर्ता को विकल्प देता है कि वे क्या भविष्यवाणी करना चाहते हैं। स्टर्लिंग डेटा के मामले में, यह प्रत्येक व्यक्ति की धन देने की संभावना है।

स्टर्लिंग डेटा ने लगभग 30 मिलियन दाताओं का एक डेटाबेस बनाया है जिसमें 500 या अधिक कॉलम की जानकारी होती है, जिसमें प्रत्येक डोनर किस तरह की कार चलाता है, जिसे नेटफ्लिक्स दिखाता है कि वे देखते हैं। यह एक विशेष उम्मीदवार के लिए संभावित दाताओं को खोजने के लिए प्रशिक्षित अकीओ मॉडल के माध्यम से डेटा का एक सबसेट चलाता है। परिणाम एक संभावित दाता सूची है जिसे देने की सबसे अधिक संभावना से कम संभावना है, स्टर्लिंग डेटा को गलत लोगों पर समय और पैसा बर्बाद किए बिना अपने प्रयासों पर ध्यान केंद्रित करने की अनुमति देता है।

डिजिटल रणनीति एजेंसी, वेरसिटी मीडिया के प्रबंध निदेशक के रूप में काम करने वाले जैकब गीर्स ने कहा, "एआई-रैंक वाली सूचियों का उपयोग करने में आसानी का मतलब है कि एआई द्वारा क्यूरेट की गई दाता संभावनाओं को बेचने वाली डेटा कंपनियां मूल्य निर्धारण की पेशकश कर सकती हैं।"

अकीओ जैसे एआई उपकरण अब संगठनों को उन तरीकों से स्केल करने की अनुमति देते हैं जो कभी असंभव थे, सेकंड में लाखों डेटा बिंदुओं को क्रंच करना और अधिकतम प्रभाव के लिए कार्रवाई को प्राथमिकता देना।

"हम एक ऐसे बिंदु पर पहुंच गए हैं जहां कोई भी व्यक्ति जो स्प्रेडशीट का उपयोग कर सकता है, वह डेटा-संचालित निर्णय लेने के लिए मशीन लर्निंग का उपयोग कर सकता है," अकीओ के सह-संस्थापक जोनाथन रेली ने कहा। "हमारा प्लेटफ़ॉर्म गैर-तकनीकी उपयोगकर्ताओं को उनके डेटा से मूल्य निकालने में सक्षम बनाता है।"

इसके बाद स्टर्लिंग डेटा उम्मीदवार की टीम को प्राथमिकता के आधार पर संपर्क सूची देता है, जो संभव सबसे कुशल तरीके से दाताओं से संपर्क करती है।

कुरुक्ज़ ने कहा, "पूरा बिंदु भविष्यवाणी कर रहा है कि अगर मेरा उम्मीदवार बाहर निकलता है तो वास्तव में कौन दान करेगा," अक्कीओ का मॉडल संभावित दाताओं की सूची बनाता है जो लगातार अन्य तरीकों से बनाई गई सूचियों के मुकाबले दोगुनी वृद्धि करता है।

पिछले चक्र के दौरान, स्टर्लिंग डेटा जैसे विक्रेताओं द्वारा प्रदान किए गए एआई-संचालित दाता अधिग्रहण ने निवेश पर वापसी की गति के लिए उद्योग की व्यापक उम्मीदों को बदल दिया है, एक डिजिटल धन उगाहने वाली एजेंसी मोमेंटम कैंपेन के पार्टनर केविन मैसी ने कहा। पिछले चक्रों में, उन्होंने कहा, एक अभियान के लिए पूर्ण रूप से भुगतान किए गए ईमेल अधिग्रहण से पहले लगभग 6 महीने या उससे अधिक की उम्मीद करना मानक था। "लेकिन इन नए एआई-संचालित अधिग्रहणों के साथ, हमने देखा है कि एक से तीन महीने तक तेजी से वृद्धि होती है," मैसी ने कहा।

तेज़ अदायगी से अभियानों को अधिक तेज़ी से प्रतिक्रिया करने और अपने अधिग्रहण बजट के साथ होशियार होने की अनुमति मिलती है क्योंकि वे परिणाम तेज़ी से देख रहे हैं।

स्टर्लिंग डेटा संभावित उच्च-डॉलर दाताओं को कॉल करने में हजारों घंटे खर्च करता है। फर्म एआई के एक अन्य रूप का उपयोग करती है जिसे प्राकृतिक भाषा प्रसंस्करण कहा जाता है ताकि कॉल नोट्स को पढ़ा जा सके और उन दाताओं के बारे में नए विवरण प्राप्त किए जा सकें। ईमेल संभावित छोटे-डॉलर के दानदाताओं के लिए आरक्षित हैं। Sterling Data कांग्रेस के उम्मीदवारों से लेकर नगर परिषद के उम्मीदवारों तक, डेमोक्रेट्स के साथ मतपत्र के ऊपर और नीचे काम करता है।

"पैमाने पर लक्षित करना वास्तव में कठिन है और दाता को पकड़ना, चाहे वह ईमेल या फोन नंबर के माध्यम से हो, और भी कठिन है," कुरुक्ज़ ने कहा।

कई अलग-अलग डेटा स्रोत हैं जिनसे संभावित दाताओं के बारे में जानकारी एकत्र की जा सकती है। "संभावित दाताओं पर आपको जितनी अधिक जानकारी मिलती है, मॉडल उतना ही बेहतर होता है," कुरुक्ज़ ने कहा।

Kurucz का मानना है कि नो-कोड दृष्टिकोण फैल जाएगा क्योंकि यह एक दैनिक व्यवसायी के हाथों में शक्ति डालता है, जिसे परिणाम प्राप्त करने के लिए महंगे डेटा वैज्ञानिकों की आवश्यकता नहीं होती है। Kurucz ने नोट किया कि वह अपने लैपटॉप पर हवाई जहाज़ पर Akkio का उपयोग करके अपने AI मॉडल बना और चला सकता है।

कन्वर्जेंस मीडिया के न्यूहाउस का कहना है कि वे ईमेल और एसएमएस प्लेटफॉर्म में एआई सुविधाओं का उपयोग करते हैं जिन्हें इटरेबल कहा जाता है ताकि आउटरीच के समय या मोड को अनुकूलित किया जा सके, उदाहरण के लिए, चाहे ईमेल या पाठ संदेश द्वारा, जो प्रति दाता उच्च दान की ओर जाता है। लेकिन उन्होंने कहा कि रिपब्लिकन को अभी तक बोर्ड भर में साझा किए जाने वाले तकनीकी उपकरणों के एक केंद्रीय सेट के साथ तालमेल बिठाना है।

"रिपब्लिकन डोनर बेस को व्यापक बनाने के लिए, रिपब्लिकन को नए डोनर्स की पहचान करने के लिए आर्टिफिशियल इंटेलिजेंस या डेटा मॉडलिंग को अपनाने की जरूरत है," उन्होंने कहा।