人工知能は、今シーズンの選挙戦で民主党に資金調達の優位性を与えるのに役立ち、青い党が上院の支配を維持し、共和党による下院の乗っ取りを鈍らせることを可能にしました. 他にも多くの要因がありましたが、プロの資金調達者によると、民主党は寄付者を見つける際に AI に大きく依存しており、共和党のライバルよりも個人の少額の寄付者からより多くの資金を集めています。 資金調達分野で民主党のデータ技術企業である を経営するマーティン・クルツ氏は、次のように述べています。 スターリング・データ・カンパニー データ分析は 10 年以上にわたって政治資金調達に使用されており、ボット (ソーシャル メディアに投稿する自動システム) は長い間、政治的メッセージを大規模に広めてきました。しかし、AI を使用して寄付者を特定し、アウトリーチ活動を最大化することは比較的新しいことです。 通路の左側では、募金活動家が人工知能を使用して、誰がその目的に寄付する可能性が高いかを予測しています。一方、共和党側では、募金活動担当者が人工知能を使用して、確立された寄付者リストへのアウトリーチの効率を最大化しています。共和党のアプローチは、ドナー 1 人あたりの資金調達額を増やす可能性がありますが、資金を調達するドナーは少なくなります。 ペンシルベニア州で共和党のメフメット・オズに対して上院議席を獲得した民主党のジョン・フェッターマンについて考えてみましょう。 、Fetterman は 2022 年に 5,500 万ドル以上を調達しましたが、Mehmet Oz います。 Fetterman の収益の半分以上は、200 ドル以下の寄付をした個人の寄付者によるものでしたが、Oz の寄付の約 3 分の 1 しか、そのような少額の寄付者からのものではありませんでした。 連邦選挙管理委員会によると は 1,500 万ドルをわずかに上回って  AIを使ったキャンペーンを行ったフェッターマン氏は一人ではありませんでした。州全体の民主党員のほとんどは、小さなドルのスペースで共和党の反対者を大幅に上回っていました。 によると、民主党議会選挙運動委員会 (DCCC) などの民主党の寄付組織は、デジタル買収に約 840 万ドルを費やし、少額の寄付から 8,560 万ドルを調達しました。これは、彼らが費やした額の約 10 倍です。同時に、全国共和党議会委員会などの共和党組織は、デジタル買収に約 3,200 万ドルを費やし、単位化された少額の寄付でその 2 倍未満しか調達しませんでした。 連邦選挙管理委員会の 2022 年の選挙サイクルのデータ 左派の少額寄付者は通常、共和党よりも裕福ですが、民主党の利点は人口統計だけではありません。 過去 10 年間、デジタル広告は寄付者を見つける一般的な手段でした。しかし、デジタル広告主の追跡機能を制限した により、デジタル広告の収益が減少したため、資金調達は電子メールとモバイルの獲得に移行しました.いくつかの企業は、AI 主導のドナー ターゲティングが最も効果的で最速の電子メールおよびモバイル獲得手段であることにすぐに気付きました。 Appleの2021年のプライバシー対策  「世界のデータ アナリストは、何万もの潜在的な寄付者を分類し、誰が最もお金を提供する可能性が高いかを把握することはできません」と、DCCC と Fetterman の両方を支援した会社の Kurucz 氏は述べています。  Akkio の共同設立者である は次のように述べています。 Jonathon Reilly 氏  AI モデルは、より大きな傾向を特定し、オンライン寄付を予測し、ターゲティングを数秒で再調整できるため、キャンペーンはほぼリアルタイムでアウトリーチを調整できます。 のデジタル マーケティング担当バイスプレジデント、トム ニューハウス氏は次のように述べています。 コンバージェンス メディア  Sterling Data は、ノーコードの機械学習 Web サイト を使用しており、ユーザーはデータ スプレッドシートをサイトにドラッグ アンド ドロップできます。バックエンドでは、Akkio がデータを分析し、ユーザーが何を予測したいかのオプションを提供します。 Sterling Data の場合、それは各人がお金を寄付する可能性です。 Akkio.com  Sterling Data は、約 3,000 万人の寄付者のデータベースを構築しており、各寄付者が運転する車の種類から、Netflix が見ているものまで、あらゆる情報に関する 500 以上の列があります。特定の候補者の有望なドナーを見つけるように訓練された Akkio モデルを通じてデータのサブセットを実行します。その結果、提供する可能性が最も高いものから最も可能性が低いものへとランク付けされた見込み寄付者リストが作成され、Sterling Data は時間とお金を無駄な人に費やすことなく、その努力に集中することができます。 最近までデジタル戦略エージェンシーである Veracity Media のマネージング ディレクターを務めていた Jacob Geers 氏は、次のように述べています。  Akkio のような AI ツールにより、組織はかつては不可能だった方法でスケーリングできるようになり、数百万のデータ ポイントを数秒で処理し、最大の効果を得るために実行するアクションに優先順位を付けることができます。  Akkio の共同設立者である は次のように述べています。 「私たちのプラットフォームにより、技術者ではないユーザーがデータから価値を引き出すことができます。」 Jonathon Reilly 氏 次に、Sterling Data は優先順位の付いた連絡先リストを候補者のチームに提供します。候補者のチームは、可能な限り最も効率的な方法で寄付者に連絡します。  「重要なのは、候補者が手を差し伸べた場合に実際に誰が寄付するかを予測することです」とクルツ氏は述べ、Akkio のモデルは、他の方法で作成されたリストよりも常に 2 倍の資金を提供する見込み寄付者リストを作成すると付け加えました。 デジタル資金調達エージェンシーである のパートナーである Kevin Massey 氏は、過去のサイクルで、Sterling Data のようなベンダーが提供する AI 主導のドナー獲得により、投資収益率に対する業界全体の期待が変化したと述べています。過去のサイクルでは、電子メールの獲得がキャンペーンで完全に報われるまでに約6か月以上かかると予想するのが標準的だったと彼は言いました. 「しかし、これらの新しい AI 主導の買収により、1 ～ 3 か月に急速に増加することがわかりました」と Massey 氏は述べています。 Momentum Campaigns より速いペイオフにより、キャンペーンはより迅速に反応し、獲得予算をより賢く扱うことができます。  Sterling Data は、潜在的な高額寄付者への電話に何千時間も費やしています。同社は、自然言語処理と呼ばれる別の形式の AI を使用して、通話メモを読み取り、それらの寄付者に関する新しい詳細を収集します。電子メールは、潜在的な少額の寄付者のために予約されています。 Sterling Data は、議会から市議会の候補者まで、投票の上下で民主党と協力しています。  「大規模なターゲティングは非常に難しく、電子メールであれ電話番号であれ、寄付者を確保するのはさらに困難です」と Kurucz 氏は言います。 潜在的な寄付者に関する情報を集約するためのさまざまなデータ ソースが多数あります。 「潜在的なドナーについて得られる情報が多ければ多いほど、モデルはより優れたものになります」と Kurucz 氏は述べています。  Kurucz 氏は、結果を達成するために高価なデータ サイエンティストを必要としなくなった日々の実践者の手に力が与えられるため、ノーコード アプローチが広がると考えています。 Kurucz 氏は、ラップトップの飛行機で Akkio を使用して AI モデルを作成および実行できると述べました。  Convergence Media の Newhouse は、  と呼ばれる電子メールおよび SMS プラットフォームで AI 機能を使用して、たとえば電子メールかテキスト メッセージかを問わず、アウトリーチのタイミングやモードを最適化することで、寄付者 1 人あたりの寄付額を高めることができると述べています。しかし、共和党員は、全面的に共有される中心的な一連の技術ツールの周りにまだまとまっていないと述べた。 Iterable  「共和党の寄付者層を拡大するために、共和党員は人工知能やデータモデリングを採用して新しい寄付者を特定する必要があります」と彼は言いました。

Listen to the researchers, from Geoff Hinton to Yann LeCun, on Eye on A.I.

Read My Stories

このオーディオは、ストーリーの元の言語で制作されています。

人工知能が中間選挙をどのように動かしたか - そして民主主義の恒久的な特徴になる

About Author

コメント

ラベル

この記事は

Related Stories

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

ワークフローを10倍に向上させる方法: 必須アプリ17選

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

海を航海する: データレイクを使用した本番環境レベルの RAG アプリケーションの開発

ユーザー中心の暗号通貨製品の作成: 顧客からのフィードバックの重要性

ワークフローを10倍に向上させる方法: 必須アプリ17選

AI/ML データレイクのリファレンスアーキテクチャを構築するためのアーキテクトガイド

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps