Com a compra do LinkedIn por US$ 26,2 bilhões, a Microsoft será dona de uma das maiores redes sociais do mundo. A aquisição pode ajudar a empresa de Redmond a se reconectar com seus clientes individuais e corporativos.

“Posso ver diferentes maneiras como o LinkedIn pode ajudar a Microsoft a cumprir sua promessa de aumentar a produtividade e simplificar os processos corporativos”, afirmou o analista do The Gabriel Consulting Group, Dan Olds.

“Sempre pensei que o LinkedIn era uma rede social um pouco subestimada que possui um potencial incrível para uso em negócios. A Microsoft também vê isso, e se fizerem tudo corretamente, devem ter um ótimo retorno com esse alto investimento.”

O especialista ainda aponta que, de uma só vez, essa iniciativa pode colocar a Microsoft nas primeiras colocações das maiores redes sociais do mundo. “Esse é um lance altamente corajoso da Microsoft”, afirma.

A compra é uma das maiores já feitas pela Microsoft em sua história. Em um e-mail enviado aos funcionários da Microsoft, o CEO da empresa, Satya Nadella, definiu a compra como essencial para “a ambição ousada” da empresa de reinventar a produtividade e os processos corporativos.

“Faz parte de uma estratégia compreensiva de focar nos usuários e gerentes e se posicionar contra novos concorrentes”, explica o executivo. No entanto, ainda não está claro o que essa aquisição significará para os centenas de milhões de profissionais que usam o LinkedIn.

A Microsoft já afirmou que a rede social continuará a operar como uma entidade separada. Caso esse seja realmente o caso, os usuários do LinkedIn não devem ver muitas mudanças nos seus perfis ou relações. Por outro lado, os usuários da Microsoft provavelmente verão o LinkedIn integrado aos seus apps corporativos.

“Espero que a Microsoft integre o LinkedIn com o Windows, ao menos que os órgãos reguladores impeçam isso”, afirmou o analista independente Jeff Kagan. “Esse seria um processo natural.”

Olds aponta que não nenhum grande impacto para os usuários do LinkedIn “em curto ou médio prazo”. “Não vejo a Microsoft fazendo muita coisa para interferir com um modelo que está funcionando bem no momento. Talvez a gente veja um pouco de publicidade entrando no produto em diferentes locais, além de mais opções diferentes de assinaturas, mas nenhuma mudança mais extensa.”

O analista da Gabriel Consulting Group também destaca que não vê os usuários do LinkedIn se estressando com o fato de que a Microsoft em breve terá acesso as suas informações e contatos profissionais.

“Não penso que a Microsoft seja vista como a mesma empresa ‘do mal’ como talvez fosse nos anos 1990. Tudo que a Microsoft realmente quer é vender software e um pouco de publicidade – não dominar o mundo, como o Google. Não acho que a maioria dos usuários terá um problema com a Microsoft tendo esse tipo de informação pessoal que eles publicam no LinkedIn.”

Apple, like practically every mega-corporation, wants to know as much as possible about its customers. But it’s also marketed itself as Silicon Valley’s privacy champion, one that—unlike so many of its advertising-driven competitors—wants to know as little as possible about you. So perhaps it’s no surprise that the company has now publicly boasted about its work in an obscure branch of mathematics that deals with exactly that paradox.

At the keynote address of Apple’s Worldwide Developers’ Conference in San Francisco on Monday, the company’s senior vice president of software engineering Craig Federighi gave his familiar nod to privacy, emphasizing that Apple doesn’t assemble user profiles, does end-to-end encrypt iMessage and Facetime and tries to keep as much computation as possible that involves your private information on your personal device rather than on an Apple server. But Federighi also acknowledged the growing reality that collecting user information is crucial to making good software, especially in an age of big data analysis and machine learning. The answer, he suggested rather cryptically, is “differential privacy.”

Differential privacy is the statistical science of trying to learn as much as possible about a group while learning as little as possible about any individual in it.

“We believe you should have great features and great privacy,” Federighi told the developer crowd. “Differential privacy is a research topic in the areas of statistics and data analytics that uses hashing, subsampling and noise injection to enable…crowdsourced learning while keeping the data of individual users completely private. Apple has been doing some super-important work in this area to enable differential privacy to be deployed at scale.”

Differential privacy, translated from Apple-speak, is the statistical science of trying to learn as much as possible about a group while learning as little as possible about any individual in it. With differential privacy, Apple can collect and store its users’ data in a format that lets it glean useful notions about what people do, say, like and want. But it can’t extract anything about a single, specific one of those people that might represent a privacy violation. And neither, in theory, could hackers or intelligence agencies.

“With a large dataset that consists of records of individuals, you might like to run a machine learning algorithm to derive statistical insights from the database as a whole, but you want to prevent some outside observer or attacker from learning anything specific about some [individual] in the data set,” says Aaron Roth, a University of Pennsylvania computer science professor whom Apple’s Federighi named in his keynote as having “written the book” on differential privacy. (That book, co-written with Microsoft researcher Cynthia Dwork, is the Algorithmic Foundations of Differential Privacy [PDF].) “Differential privacy lets you gain insights from large datasets, but with a mathematical proof that no one can learn about a single individual.”

As Roth notes when he refers to a “mathematical proof,” differential privacy doesn’t merely try to obfuscate or “anonymize” users’ data. That anonymization approach, he argues, tends to fail. In 2007, for instance, Netflix released a large collection of its viewers’ film ratings as part of a competition to optimize its recommendations, removing people’s names and other identifying details and publishing only their Netflix ratings. But researchers soon cross-referenced the Netflix data with public review data on IMDB to match up similar patterns of recommendations between the sites and add names back into Netflix’s supposedly anonymous database.

That sort of de-anonymizing trick has countermeasures—say, removing the titles of the Netflix films and keeping only their genre. But there’s never a guarantee that some other clever trick or cross-referenced data couldn’t undo that obfuscation. “If you start to remove people’s names from data, it doesn’t stop people from doing clever cross-referencing,” says Roth. “That’s the kind of thing that’s provably prevented by differential privacy.”

‘It’s Future Proof’

Differential privacy, Roth explains, seeks to mathematically prove that a certain form of data analysis can’t reveal anything about an individual—that the output of an algorithm remains identical with and without the input containing any given person’s private data. “You might do something more clever than the people before to anonymize your data set, but someone more clever than you might come around tomorrow and de-anonymize it,” says Roth. “Differential privacy, because it has a provable guarantee, breaks that loop. It’s future proof.”

Federighi’s emphasis on differential privacy likely means Apple is actually sending more of your data than ever off of your device to its servers for analysis, just as Google and Facebook and every other data-hungry tech firm does. But Federighi implies that Apple is only transmitting that data in a transformed, differentially private form. In fact, Federighi named three of those transformations: Hashing, a cryptographic function that irreversibly turns data into a unique string of random-looking characters; subsampling, or taking only a portion of the data; and noise injection, adding random data that obscures the real, sensitive personal information. (As an example of that last method, Microsoft’s Dwork points to the technique in which a survey asks if the respondent has ever, say, broken a law. But first, the survey asks them to flip a coin. If the result is tails, they should answer honestly. If the result is heads, they’re instructed to flip the coin again and then answer “yes” for heads or “no” for tails. The resulting random noise can be subtracted from the results with a bit of algebra, and every respondent is protected from punishment if they admitted to lawbreaking.)

When WIRED asked for more information on how it applies differential privacy, an Apple representative responded only by referring to the iOS 10 preview guide, which described how the techniques will be used in the latest version of Apple’s mobile operating system:

Starting with iOS 10, Apple is using Differential Privacy technology to help discover the usage patterns of a large number of users without compromising individual privacy. To obscure an individual’s identity, Differential Privacy adds mathematical noise to a small sample of the individual’s usage pattern. As more people share the same pattern, general patterns begin to emerge, which can inform and enhance the user experience. In iOS 10, this technology will help improve QuickType and emoji suggestions, Spotlight deep link suggestions and Lookup Hints in Notes.

Whether Apple is using differential privacy techniques with the rigor necessary to fully protect its customers’ privacy, of course, is another question. In his keynote, Federighi said that Apple had given the University of Pennyslvania’s Roth a “quick peek” at its implementation of the mathematical techniques it used. But Roth told WIRED he couldn’t comment on anything specific that Apple’s doing with differential privacy. Instead, much like the techniques he’s helped to study and invent, Roth offered a general takeaway that successfully avoided revealing any details: “I think they’re doing it right.”

Go Back to Top. Skip To: Start of Article.

Atualmente 3,9 bilhões de pessoas vivem em áreas urbanas. Esse volume representa mais da metade da população mundial (54%) e a expectativa, de acordo com a Organização das Nações Unidas (ONU), é alcançar 70% até o final deste século. No Brasil, o cenário reforça a intensificação do processo de urbanização, uma vez que 85% da população já vive em áreas urbanizadas.

Essa grande concentração de pessoas em um mesmo espaço demanda infraestrutura capaz de garantir serviços públicos – como educação, saúde, segurança, entre outros – com qualidade. Nesse sentido, é imperativo que a administração pública realize a gestão dessas atividades de forma eficiente, priorizando a melhoria da qualidade de vida do cidadão. A busca por tecnologias que proporcionem às cidades serviços inteligentes é saída para enfrentar esse grande desafio.

Entre as alavancas para essa mudança digital estão: a disseminação das mídias sociais – conectando a sociedade na rede e proporcionando uma interação virtual -, a explosão do acesso móvel de banda larga e dos aplicativos de serviços e o avanço de computação em nuvem. As técnicas de Big Data e suas aplicações também contribuíram para a transformação do mundo digital e não é para menos, já que a cada dia são gerados 2,5 trilhões de bytes de dados e 90% dos dados disponíveis até hoje foram criados nos últimos dois anos.

A resposta das cidades aos desafios contemporâneos é o que sustenta o conceito de smart cities, indicando sua relevância, tendo em mente que o desenvolvimento das cidades inteligentes não deve ser encarado como uma simples possibilidade, mas sim uma real necessidade. Estamos cada vez mais próximos dessa realidade em que o universo digital se fundirá completamente às necessidades da sociedade. Desta forma, a smart city precisa englobar essa inteligência nas esferas humana e coletiva por meio dos pilares da inovação, gestão pública, sustentabilidade, inclusão e conectividade.

Seguindo estes conceitos, algumas cidades já contam com soluções inteligentes que beneficiam diretamente a população. No município de Castle Rock, no Colorado (EUA), a prefeitura disponibilizou ferramentas que permitem que seus cidadãos atuem diretamente na governança. Por meio de um aplicativo, os moradores votam online sobre a instalação de espaços públicos como parques na cidade e podem se cadastrar para receber alertas da polícia. Um banco de dados inteligente envia mensagens sobre crimes e acidentes, permitindo às pessoas desviarem caminhos ou ficarem em casa.

No Brasil, o município de Maringá implantou semáforos inteligentes, que funcionam de acordo com o fluxo de carro na via. Um dos projetos mais conhecidos do país em Águas de São Pedro, no interior paulista, escolhida para ser a primeira cidade digital brasileira e palco atual de diversas soluções tecnológicas nas áreas de educação, saúde, iluminação pública, segurança, entre outros. Das tecnologias implantadas para tornar a cidade inteligente, a primeira delas foi com relação ao estacionamento, no qual foram instalados sensores ópticos nas ruas que oferecem aos moradores e turistas a opção de checar em tempo real a disponibilidade de vagas para estacionar, por meio de um aplicativo de celular ou tablet.

Esses projetos evidenciam que setores como gestão pública, segurança, mobilidade, educação, saúde e energia beneficiam-se diretamente com as aplicações inteligentes. Entretanto ainda existem entraves para a viabilização das smart cities, especialmente no que diz respeito à integração dessas áreas. Para que a cidade não seja apenas digital, e sim inteligente, é fundamental que exista um cruzamento das informações geradas pelas soluções digitais e, infelizmente, esses dados ainda não conversam entre si.

Os projetos devem ser desenvolvidos de maneira Bottom Up, ou seja, observando o cenário de baixo para cima e planejando serviços digitais que proporcionam valor direto ao cidadão. Esse valor pode ser gerado, por exemplo, por meio da implantação de uma rede Wi-Fi, no qual a plataforma consegue levantar indicadores de quantas pessoas frequentam, faixa etária, sexo, fluxo por horário, para identificar as pessoas para possíveis ações de comunicação.

Na área de educação a adoção de soluções inteligentes possibilita a criação de salas digitais para melhoria do aprendizado e engajamento dos estudantes, que integram desde a lista de presença até o plano de aula do ano letivo. Já na saúde, ferramentas e-health aprimoram a assistência aos pacientes, além de outros grandes benefícios como prontuário eletrônico, agendamento de consultas online e saúde domiciliar. Com a integração das soluções inteligentes, é possível cruzar os dados e entender o que acontece em situações específicas. Por exemplo, se um aluno teve baixo desempenho em uma prova de história, por meio dos indicadores é possível saber se ele estava presente no dia em que o conteúdo foi apresentado em sala de aula e, em caso negativo, qual o motivo, se ele estava hospitalizado, com algum problema em sua moradia, etc. Esse é o grande objetivo dos projetos de cidades inteligentes.

As soluções inteligentes otimizam os serviços públicos por meio de uma gestão analítica das informações sobre onde os recursos estão sendo consumidos. Esses dados possibilitam uma melhor monitorização e gestão por parte do município e permitem que os cidadãos façam uma utilização mais consciente, reduzindo custos operacionais de manutenção e aumentando o tempo de vida da infraestrutura existente. Uma cidade inteligente utiliza a tecnologia para melhorar a qualidade de vida da população proporcionando uma nova maneira de viver na cidade.

*Bruno Musa é CFO da Tacira.