Giorno 86: I lavoratori di Nextdoor sono al lavoro? O siamo tornati alla normalità?

La Festa del Lavoro è finita.

Siamo all'86° giorno del mio studio di caso su Nextdoor e, dopo essermi chiesto ieri se Nextdoor si fosse presa un lungo weekend di vacanza, oggi ho ricontrollato.

Non ho ricevuto alcuna comunicazione in merito ai due studi dettagliati di Insights che ho richiesto.

E NXDR?

Al momento in cui scrivo, il prezzo si aggira intorno ai 2,20 dollari. Fonti di mercato indicavano circa 2,24 dollari nel tardo pomeriggio di oggi, dopo la chiusura di venerdì a 2,24 dollari, quindi il valore esatto è in continua evoluzione.

Ehi, almeno adesso stiamo parlando di centesimi.

Nextdoor sta lavorando?

Sto ancora cercando di capirlo.

Ma qualcosa che Nirav Tolia ha pubblicato su X il 3 settembre ha attirato la mia attenzione.

“Uno studio del 2025 ha rilevato che...”

Nel post, Nirav ha scritto:

Uno studio del 2025 ha rilevato che le recensioni false generate dall'intelligenza artificiale sono ormai indistinguibili da quelle reali..

E subito ho pensato:

Ci risiamo.

Uno studio.

Quale studio?

Chi l'ha scritto?

Dove è stato pubblicato?

Qual era la metodologia?

Qual era la dimensione del campione?

Che cosa significava esattamente "indistinguibili"?

Probabilmente questa storia suonerà familiare a chiunque abbia seguito la mia avventura di 86 giorni alla scoperta della trasparenza nella ricerca di Nextdoor.

Ecco la parte interessante: ho controllato e ho trovato ricerche concrete a supporto dell'affermazione di Nirav.

In un articolo di Fortune pubblicato lo stesso giorno, Nirav lo ha identificato più specificamente come uno studio del 2025 della Nottingham University Business School.

2025 studi sottoposti a revisione paritaria esaminano le recensioni false generate dall'intelligenza artificiale, tra cui uno studio del Journal of Retailing and Consumer Services che ha analizzato 714.016 recensioni e ha riscontrato differenze linguistiche significative tra le recensioni false generate dall'IA, le recensioni false generate da esseri umani e le recensioni autentiche.

Quindi la mia critica non è:

“Lo studio non esiste.”

La mia domanda è:

Perché non citarlo nel post originale?

Se intendete utilizzare la ricerca per stabilire la vostra credibilità, fornite ai lettori informazioni sufficienti per valutare autonomamente la ricerca stessa.

Nome dello studio. Autori. Pubblicazione. Link.

Quattro cose.

Fatto.

Soprattutto quando sei l'amministratore delegato di un'azienda che promuove l'idea che la provenienza sia importante.

È quasi troppo perfetto.

Le recensioni false non sono arrivate con ChatGPT

Un altro aspetto di questa discussione mi preoccupa.

L'intelligenza artificiale non ha inventato le recensioni false.

L'intelligenza artificiale li ha resi più veloci, più economici e più facili da produrre su larga scala.

Gli esseri umani manipolano la reputazione da moltissimo tempo.

In effetti, la storia è piuttosto avvincente.

XIX secolo: Walt Whitman pubblicò anonimamente recensioni entusiastiche del suo libro Foglie d'erba. È essenzialmente la versione ottocentesca della creazione di un account anonimo e dell'auto-attribuzione di cinque stelle.

Agli inizi del Novecento, i giornali si trovavano già a dover affrontare informazioni false, affermazioni esagerate e "falsificatori". Nel 1913, il New York World istituì un Ufficio per l'accuratezza e la correttezza, in parte per gestire i reclami e "sradicare le falsificazioni e i falsari".

Prima dell'avvento di internet, le aziende utilizzavano testimonianze e raccomandazioni come strumenti di marketing, creando lo stesso problema fondamentale che affrontiamo oggi: questa persona raccomanda il prodotto perché lo apprezza davvero o perché qualcuno trae vantaggio dalla sua raccomandazione?

Agli albori di Internet: forum, siti di recensioni e, in seguito, l'e-commerce permisero ad aziende e privati ​​di creare account e di diffondere elogi, o di attaccare i concorrenti.

Ironia della sorte, Nirav stesso ha co-fondato Epinions nel 1999, una delle prime piattaforme di recensioni generate dagli utenti. Ora riconosce che l'economia delle recensioni è diventata col tempo vulnerabile alla manipolazione.

Anni 2010: Il business delle recensioni false è diventato un'industria. Le aziende potevano acquistare recensioni positive, i concorrenti potevano essere attaccati con recensioni negative e chi scriveva recensioni poteva operare con identità multiple.

Anni 2020: Le "fabbriche di recensioni" sono diventate sempre più sofisticate. Gli investigatori hanno scoperto recensori coordinati che elogiavano aziende non correlate tra loro in diversi paesi, con recensioni identiche che a volte apparivano sotto nomi diversi.

Oggi: l'intelligenza artificiale generativa ha cambiato radicalmente il panorama economico. Invece di pagare persone per produrre manualmente centinaia di recensioni, qualcuno può generare rapidamente enormi quantità di testo convincente. La ricerca dimostra ora che i modelli linguistici basati su intelligenza artificiale (LM) possono produrre recensioni ingannevoli con capacità pari a quelle umane, anche se i ricercatori sono ancora in grado di identificare statisticamente alcune differenze linguistiche.

Stessa truffa.

Macchinari decisamente migliori.

Il che mi riporta a Nextdoor

La proposta attuale di Nextdoor è che l'identità verificata e la responsabilità di vicinato possano rendere i consigli più affidabili.

È una strategia interessante.

Ma la sola verifica non rende un'opinione veritiera.

Una persona reale può esagerare.

Anche una persona verificata può nutrire rancore.

Un vero vicino di casa può consigliare l'azienda di un amico.

Un cliente legittimo può ricevere un incentivo.

Due vicini verificati possono avere esperienze completamente diverse con la stessa attività commerciale.

E, come ho già documentato in precedenza, anch'io ho avuto dei dubbi sulla reale affidabilità del sistema di verifica di Nextdoor.

Quindi "verificato" è un segnale di fiducia.

Non si tratta di un siero della verità miracoloso.

La provenienza è importante? Sono d'accordo.

È proprio questo che rende il post di Nirav così interessante.

La sua argomentazione più ampia è essenzialmente la seguente:

La provenienza delle informazioni è importante.

Sono d'accordo.

Completamente.

Ecco perché quando l'amministratore delegato dice:

“Uno studio del 2025 ha rilevato che...”

Voglio conoscere la provenienza.

Indica il nome dello studio.

Nomina i ricercatori.

Inserisci il link.

Lasciamo che i lettori lo esaminino.

Ed è proprio questo che ho chiesto a Nextdoor di fornire in merito alle proprie ricerche.

Per 86 giorni.

Nextdoor ha pubblicato i risultati della sua indagine Insights.

Nextdoor ha comunicato pubblicamente ai lettori la possibilità di richiedere dati dettagliati.

L'ho richiesto io.

Ho inviato un'email.

Ho dato seguito alla questione.

Ho ampliato la distribuzione.

Ho inviato un'altra richiesta sabato.

E sono ancora in attesa dei due studi dettagliati.

Giorno 86

Ieri era la Festa del Lavoro.

Oggi vi chiedo:

Nextdoor sta lavorando?

Perché continuo a lavorare.

In attesa che qualcuno di Nextdoor risponda alle domande.

Il post di Nirav sostiene che la provenienza è importante.

Su questo siamo d'accordo.

Ecco quindi il mio suggerimento per il giorno 86:

Esercitati.

Quando citate una ricerca, mostratecela.

Quando Nextdoor pubblica una ricerca, mostrateci la metodologia utilizzata.

Quando il tuo blog comunica ai lettori la possibilità di richiedere dati dettagliati, forniscili, oppure spiega perché non lo farai.

Perché, che si tratti di una recensione di un ristorante, di un consiglio generato dall'intelligenza artificiale o di un report di analisi aziendale, il principio è lo stesso:

Non limitarti a dirmi di fidarmi. Forniscimi informazioni sufficienti per decidere se fidarmi o meno.

Seguite gli aggiornamenti sul caso di studio Nextdoor su NielFlamm.com/blog.