AI wordt steeds belangrijker voor alle sectoren, inclusief politieke fondsenwerving, zoals Sterling Data Company ontdekte.
Er zullen in 2022 meer dan 1.000 verkiezingen zijn in de Verenigde Staten op staats- en hoger niveau. En op 30 juni 2022 hebben zes fondsenwervende commissies die verbonden zijn aan de Democratische en Republikeinse partijen gemeld dat ze samen $ 1,3 miljard hebben opgehaald. Dat zijn veel politieke campagnes en geld.
Door dat geld effectief in te zamelen en uit te geven voor campagnes, komen gespecialiseerde bedrijven zoals Sterling Data Company in het spel. Sterling is een nationaal democratisch politiek databedrijf dat zich richt op fondsenwerving. Wat uw politieke voorkeuren ook zijn, Sterling’s gebruik van kunstmatige intelligentie is leerzaam voor vrijwel elke organisatie die concurrentievoordeel wil behalen.
Lage code, grote donateurs
Het feit dat Sterling in toenemende mate afhankelijk is van AI om zijn bedrijf te laten draaien, is niet bijzonder verrassend: wie gebruikt vandaag geen AI? Maar wat verrassend is, is hoe Sterling Data AI gebruikt. Om te beginnen nemen ze geen datawetenschappers en AI-specialisten aan. In plaats daarvan uploaden ze met Akkio, een SaaS no-code AI-platform, eenvoudig Excel-spreadsheets naar de cloud. Ondanks de eenvoud van deze aanpak, zijn de AI-gestuurde capaciteiten van Sterling vergelijkbaar met veel grotere – en duurdere – bedrijven met toegewijde teams van datawetenschappers en AI-experts.
Dus hoe werkt het?
ZIE: Ethiekbeleid voor kunstmatige intelligentie (TechRepublic Premium)
Sterling werkt met kandidaten van het niveau van de gemeenteraad tot congresraces. Onder meer dan 1.000 klanten raadplegen ze voor Beto O’Rourke’s race in de gouverneurscampagne van Texas. Om hun werk te ondersteunen, heeft Sterling in de loop der jaren een database van meer dan 30 miljoen campagnedonoren verzameld, waarbij elke donor is gedefinieerd door maar liefst 500 verschillende variabelen, zoals hoeveel gegeven, stemrecord, leeftijd, tijdschriftabonnementen en meer.
Volgens Sterling CEO Martin Kurucz, heeft elk congresdistrict in de VS gemiddeld tot wel 50.000 donoren met een gemiddelde van ongeveer 17.000.
“Hoe vinden kandidaten mensen die geïnteresseerd zijn in hun zaak?” vroeg Kurucz. “Daar komen we binnen. We hebben een heleboel variabelen en we proberen erachter te komen wie de meest waarschijnlijke mensen zijn.”
De data-analysecomponent is slechts een deel van de buitengewoon complexe uitdagingen bij het ontwikkelen van fondsenwervingsstrategieën voor kandidaten, zei Kurucz. Er bestaan veel verschillende analytische modellen voor verschillende campagnescenario’s, bijvoorbeeld of een politicus een kandidaat is in een bepaald ras.
Om te laten zien hoe AI een diepgaande invloed kan hebben op het resultaat, leidde Kurucz me door een hypothetische race voor een congreskandidaat in Minnesota. De kandidaat geeft zelf verzamelde gegevens aan. Uit die lijst, samen met Sterling’s eigen database, en gezien het budget dat de campagne moet besteden aan fondsenwerving, moet Sterling uitzoeken wie het meest waarschijnlijk zal doneren.
Kurucz werkt met meer dan 500 variabelen per naam en geeft Akkio-parameters voor een model dat hij wil genereren en dat de meest waarschijnlijke donoren zal opleveren. Afhankelijk van de grootte van de dataset retourneert Akkio resultaten in 30 seconden tot 30 minuten.
“Ik heb niets anders gevonden dat dat kan, zelfs niet in de buurt”, zei Kurucz. “Het resulterende model is uniek voor die kandidaat. Nu kunt u het inzetten om ‘nul’, geen donatie, of ‘één’, een waarschijnlijke donatie te voorspellen. En we testen het en herzien het model. Het beste van alles is dat je het kunt back-testen.”
De modellen die door Akkio zijn gemaakt, presteren tot 400% beter dan modellen die op de gebruikelijke manier zijn gemaakt, zei hij. Zijn beste modellen toonden historisch gezien 100%+ ROI binnen drie maanden voor kandidaten. Akkio-modellen kunnen binnen een maand ROI-positief zijn.
Dat is de kracht van AI. Maar de magie is dat een no-code-aanpak deze macht in handen geeft van een dagelijkse beoefenaar die geen dure datawetenschappers meer nodig heeft om deze resultaten te bereiken.
Kurucz zegt dat hij zijn AI-modellen in een vliegtuig op zijn laptop kan maken en uitvoeren.
“Uitgaven voor lijstanalyse in politieke campagnes nemen als een gek toe”, zei hij. “Maar slechts een paar bedrijven hebben alle verschillende puzzelstukjes om het te laten werken – nu meer en meer AI-aangedreven. Dus daar gaat het meeste naartoe.”
Openbaarmaking: ik werk voor MongoDB, maar de hierin uitgedrukte opvattingen zijn van mij.