La vida inmortal de los correos electrónicos de Enron

Vincent Kaminski, ex ejecutivo de Enron, es un modesto profesor de escuela de negocios semi-retirado de Houston que recientemente escribió un Libro de 960 páginas explicar los fundamentos de los mercados energéticos. Su legado más duradero, sin embargo, puede involucrar miles de correos electrónicos que escribió hace más de una década en la empresa de servicios energéticos.

Corpus corporativo : Volúmenes de correos electrónicos enviados y recibidos en la sede de Enron en Houston, vistos aquí en 2002, todavía son analizados y analizados por científicos informáticos y otros investigadores.

Kaminski, ex director gerente de investigación que advertido repetidamente sobre prácticas preocupantes que vio en Enron, se encuentra entre los más de 150 altos ejecutivos cuyos buzones de correo electrónico fueron vertidos en Internet por la Comisión Reguladora de Energía Federal (FERC) el 26 de marzo de 2003. En nombre de servir los intereses del público durante su investigación de Enron , la agencia federal tomó la controvertida decisión de publicar en línea más de 1.6 millones de correos electrónicos que los ejecutivos de Enron enviaron y recibieron desde 2000 hasta 2002. La FERC finalmente seleccionó el tesoro para eliminar los datos más sensibles y personales, después de recibir quejas ( ver PDF ). Aun así, el corpus de correo electrónico de Enron, como se conoce ahora a la versión limpia, sigue siendo, con mucho, la base de datos de dominio público de correos electrónicos reales más grande del mundo.

Este corpus es valioso para los científicos de la computación y los teóricos de las redes sociales de una manera que los autores y destinatarios de los correos electrónicos nunca podrían haber tenido la intención. Porque es un rico ejemplo de cómo la gente real en una organización real usa el correo electrónico, lleno de planes mundanos para el almuerzo, notas aburridas de reuniones, flirteos vergonzosos que revelaron al menos una relación extramarital y las misivas condenatorias que explicaron la corrupción. convertirse en la base de cientos de estudios de investigación en campos tan diversos como el aprendizaje automático y los estudios de género en el lugar de trabajo.

Esta investigación ha tenido aplicaciones generalizadas: los científicos informáticos han utilizado el corpus para entrenar sistemas que priorizan automáticamente ciertos mensajes en una bandeja de entrada y alertan a los usuarios de que pueden haberse olvidado de un mensaje importante. Otros investigadores utilizan el corpus de Enron para desarrollar sistemas que organizan o resumen automáticamente los mensajes. Gran parte del software actual para la detección de fraudes, operaciones antiterroristas y patrones de comportamiento en el lugar de trabajo de minería a través del correo electrónico ha sido afectado de alguna manera por el conjunto de datos.

Es como si estuviéramos estudiando la levadura, dice William Cohen, un científico informático de la Universidad Carnegie Mellon que ayudó a poner el corpus en una base de datos que los investigadores podrían extraer. Se ha estudiado y experimentado porque es un organismo modelo muy bien conocido. [El correo electrónico generado por] Enron es similar. La gente seguirá usándolo durante mucho tiempo.

Los correos electrónicos de Enron se prolongaron gracias a científicos del MIT, la Universidad Carnegie Mellon y el instituto de investigación sin fines de lucro SRI International. Hace diez años, investigadores de estas instituciones colaboraban en el proyecto CALO financiado por DARPA, que significa Asistente cognitivo que aprende y organiza, y cuyo mayor reclamo a la fama está dando lugar al software Siri de Apple. Para CALO, los investigadores estaban armando conjuntos de datos de correo electrónico mucho más pequeños para analizar.

Cuando se publicaron los correos electrónicos de Enron en 2003, los investigadores se dieron cuenta de que podían ser extremadamente útiles para probar algoritmos que podían procesar el lenguaje escrito y formar la base de herramientas inteligentes para el lugar de trabajo. Debido a que FERC había publicado los correos electrónicos en un formato inutilizable, el MIT Leslie Kaelbling compró los archivos sin procesar de un contratista del gobierno por $ 10,000, y otros dedicaron tiempo a limpiar los datos, eliminando duplicados, organizando carpetas, eliminando los archivos adjuntos privados y correos electrónicos restantes, y mapeando a los remitentes y destinatarios a la estructura organizacional de Enron. El corpus, al principio más de 517,431 correos electrónicos, fue recortado a 200.000 en 2004.

Un ecosistema de investigación todavía florece alrededor del corpus porque no hay nada parecido en el dominio público. Si no existiera, la investigación de los correos electrónicos comerciales solo la podrían realizar las personas con acceso a los grandes servidores corporativos o gubernamentales. Eso probablemente excluiría a los investigadores de ciencias sociales, organizativas y lingüísticas, muchos de los cuales han utilizado el corpus para obtener información valiosa sobre la cultura corporativa, dice Owen Rambow, profesor de la Universidad de Columbia involucrado en un proyecto de investigación que utilizó el corpus de Enron y recibió una Subvención de $ 510,000 de la National Science Foundation .

Desde 2010, alrededor de 30 artículos al año han citado el artículo original que presentó el corpus de Enron, estimaciones de Cohen de Carnegie Mellon. Este año, por ejemplo, investigadores de HP Labs recurrió al corpus para demostrar un programa de inteligencia artificial para identificar automáticamente los compromisos que las personas asumen por correo electrónico. Jafar Adibi, quien trabajó en un mapa temprano de la red social Enron , dice que todavía recibe un puñado de consultas cada mes, cada vez más de investigadores fuera de los Estados Unidos. Todavía hay un activo list-serv dedicado a discutir el corpus.

Los investigadores que han trabajado con el corpus saben que no habrá otro Enron. FERC lanzó los correos electrónicos cuando el mundo todavía tenía mucho que aprender sobre la privacidad en línea. Los daños a las personas mencionadas, la mayoría de las cuales eran inocentes de cualquier delito en Enron, se hicieron evidentes rápidamente. Allí estaban los números de la seguridad social e incluso los registros bancarios. Aunque se eliminaron muchos datos privados, al examinar cientos de correos electrónicos en la carpeta de envíos de Kaminski, encontré el número de teléfono de una casa, el nombre de su esposa y una opinión poco halagüeña que tenía de un antiguo colega. También tuve la sensación de que llevaba mucho, mucho tiempo atrasado en la promoción que recibió en 2000. En el momento en que se publicaron los correos electrónicos por primera vez, Kaminski, el gerente de unos 50 empleados en Enron, dijo que estaba muy preocupado al ver Sus comunicaciones de ida y vuelta sobre quejas de RR.HH. y evaluaciones de candidatos a puestos se hacen públicas. Un candidato de trabajo al que entrevistó una vez se molestó después de su liberación.

Hoy en día, muchas personas que trabajan en industrias altamente reguladas como las finanzas evitan incluir información confidencial en sus correos electrónicos. Kaminski, quien más tarde se desempeñó como director gerente de Citigroup, señala que el acrónimo LTOL se hizo popular en la jerga del correo electrónico en los años posteriores a Enron. Significa 'Vamos a sacar esto sin conexión'.

esconder