Η πρακτική είναι λίγο- πολύ γνωστή και την βλέπουμε και στην Ελλάδα. Αρκετοί είναι οι χρήστες του Netflix που μοιράζονται τους κωδικούς τους με άλλους χρήστες, έτσι ώστε να απολαμβάνουν… μια φθηνότερη συνδρομή.
Είναι η πρακτική με την οποία π.χ. ένας συνδρομητής δίνει τα στοιχεία εισόδου της συνδρομής του σε κάποιον φίλο ή συγγενή που διαμένει αλλού ώστε ο δεύτερος να έχει πρόσβαση στην βιβλιοθήκη της Netflix χωρίς να πληρώσει ή π.χ. η πρακτική με την οποία τέσσερις φίλοι πληρώνουν “ρεφενέ” μία οικογενειακή συνδρομή (τέσσερις συσκευές ταυτόχρονα) και την χρησιμοποιεί ο καθένας στο σπίτι του ή αλλού με πολύ μικρότερο φυσικά κόστος συγκριτικά με αυτό μίας “κανονικής” συνδρομής, ακόμη και της εισαγωγικής.
Η πρακτική αυτή υπάρχει από τον πρώτο κιόλας χρόνο λειτουργίας της υπηρεσίας, απαγορεύεται ρητά στους όρους χρήσης της και υπολογίζεται από εξειδικευμένα μέσα της αγοράς πως κοστίζει στην Netflix περίπου 2.5 δισεκατομμύρια δολάρια ετησίως. Σε σχεδόν 25 εκατομμύρια (!) υπολογίζονται οι άνθρωποι που χρησιμοποιούν τις συνδρομές άλλων χωρίς να πληρώνουν.
Μέχρι σήμερα το Netflix δεν έκανε κάτι για να περιορίσει αυτή την παράνομη χρήση. Αφού με τους σημερινούς μηχανισμούς δεν μπορεί να “ξεχωρίσει” την νόμιμη χρήση απ’ την παράνομη. Μπορεί π.χ. τα παιδιά στο σπίτι να παρακολουθούν Netflix στην τηλεόραση και ο πατέρας, με την ίδια συνδρομή, κάτι άλλο στο laptop του σ’ ένα ταξίδι στο εξωτερικό. Μπορεί π.χ. η γιαγιά στο σπίτι το καλοκαίρι να παρακολουθεί κάτι της Netflix στο tablet της, ενώ τα εγγόνια της κάτι άλλο ταυτόχρονα στο εξοχικό.
Ωστόσο, μέσα στο 2019 παρουσιάστηκε κάτι που μπορεί να αλλάξει τα δεδομένα. Μια έξυπνη τεχνολογία παρουσιάστηκε στην CES 2019. Η εταιρία τεχνολογίας Synamedia, με έδρα στο Ηνωμένο Βασίλειο, παρουσίασε ένα νέο σύστημα τεχνητής νοημοσύνης ικανό να εντοπίσει την κοινή χρήση κωδικών από λογαριασμούς τέτοιου είδους και να τους μπλοκάρει ή να τους καταργήσει εάν δεν αναβαθμιστούν ώστε να πληρώνουν όλοι.
Η Synamedia αξιολογεί ρουτίνες τεχνητής νοημοσύνης (AI) και μαθησιακής εξέλιξης συστημάτων (machine learning) ώστε, μετά από την σχετική στατιστική ανάλυση των δεδομένων χρήσης που συγκεντρώνει για μία υπηρεσία, να διαμορφώνει για κάθε συνδρομή μία εικόνα συγκεκριμένων “συνηθειών χρήσης” που πιθανότατα ανταποκρίνεται στην πραγματική. Έτσι οι χρήσεις που αποκλίνουν σημαντικά από τις αναγνωρισμένες χαρακτηρίζονται ως πιθανώς μη νόμιμες και άρα εν δυνάμει υποψήφιες για… μπλοκ.
Αυτή η νέα κι αποτελεσματική τεχνολογία θα μπορούσε να σημάνει το τέλος του διαμοιρασμού κωδικών ενός λογαριασμού σε πολλαπλούς χρήστες οι οποίοι παρακολουθούν με μια μόνο συνδρομή, αλλά χωρίς να βλέπουν ταυτόχρονα, το περιεχόμενο.
