Рынок данных: лаборатории ИИ тратят $45 млрд на закрытые корпоративные архивы
«В ближайшие два-четыре года этот показатель превысит триллион долларов в год», — заявляет Ансари, генеральный директор компании по сбору данных Micro1. Финансовые прогнозы инфраструктурных брокеров отражают фундаментальный сдвиг в методах обучения передовых моделей. На фоне исчерпания общедоступных данных лаборатории искусственного интеллекта направляют более $45 млрд на выкуп закрытых корпоративных архивов для тренировки будущих архитектур.
Брокеры и разработчики моделей теперь выходят напрямую на действующий бизнес с предложениями о выкупе данных. Как следует из предложений брокеров, поступающих медиаорганизациям вроде Wired, разработчики уровня Anthropic и OpenAI якобы готовы выплачивать от $350 000 до $1,8 млн за разовую передачу внутренних архивов: рабочей документации, переписки по электронной почте, сообщений в Slack и тикетов службы поддержки. Эти проприетарные массивы данных фиксируют реальные операционные процессы, которые невозможно воспроизвести с помощью синтетических бенчмарков или парсинга открытого интернета, превращая повседневные корпоративные коммуникации в самостоятельный класс активов.
Коммерческая гонка за корпоративными рабочими процессами
Предложение на рынке стремительно растет за счет специализированных посредников, занявших нишу между держателями корпоративных хранилищ и ведущими лабораториями. Игроки рынка — Handshake, Micro1 и Mercor — ведут агрессивную скупку закрытых баз данных в самых разных отраслях. Компания Mercor, основанная в 2023 году, сделала трех своих сооснователей миллиардерами в возрасте 22 лет благодаря ажиотажному спросу на корпоративные активы. Стартап начинал как сервис по найму персонала на базе ИИ, но сменил бизнес-модель, когда руководство осознало степень неудовлетворенности крупных лабораторий качеством обучающих выборок.
Генеральный директор Mercor Брендан Фуди заявил, что рынок находится на пороге взрывного роста, поскольку индустрия требует кратного увеличения объемов данных. Handshake пошла по аналогичному коммерческому пути: компания лицензирует профессиональные документы по различным дисциплинам, выплачивая отдельным авторам до $1000 за материалы, и формирует основной поток выручки за счет выкупа курсовых и исследовательских работ выпускников вузов.
«Мы лицензируем профессиональную документацию по множеству направлений, чтобы лаборатории могли тестировать и обучать модели работе с реальными интеллектуальными задачами», — пояснил представитель Handshake, подтвердив, что академические работы и редакционные архивы регулярно упаковываются для передачи коммерческим разработчикам.
Этот спрос кардинально изменил структуру венчурного рынка. Инвестиционный капитал следует за этими расходами: в последнем наборе акселератора Y Combinator 40 из 65 запущенных стартапов классифицируются как компании, работающие с данными. При этом Micro1 не только использует собранную информацию для внутренних разработок, но и перепродает доступ внешним ИИ-компаниям.
Насколько глубоко этот агрессивный выкуп проникает в сегмент проблемных и неплатежеспособных активов?
Распродажи при банкротстве и пределы анонимизации
Процедуры банкротства превратились в ключевой канал ликвидации внутренней документации. В ходе банкротства авиакомпания Spirit Airlines выставила на торги всю свою цифровую инфраструктуру. Ликвидационный пакет включал 80 000 корпоративных учетных записей электронной почты, 500 млн внутренних сообщений, 20,6 млн документов Microsoft SharePoint и 1 млн табелей учета рабочего времени. Google предложила за массив стартовую цену в $10 млн, однако Micro1 перебила ставку, предложив на $2,5 млн больше, и закрыла сделку.
Брокеры данных утверждают, что строгие процедуры очистки исключают риски деанонимизации бывших сотрудников и контрагентов. Посредники, предлагающие услуги ликвидации банкротящимся стартапам, заявляют о полном удалении персональных идентификационных данных перед передачей архивов разработчикам базовых моделей. Mercor также заявляет, что входящие потоки данных проходят через верифицируемые протоколы деидентификации, снимающие регуляторные риски.
Однако эти гарантии автоматической очистки уже оспариваются в судебном порядке. Тем временем Anthropic признает наличие масштабного коммерческого рынка данных, но заявляет, что не приобретает материалы операционных процессов у действующих организаций вроде Wired.
Руководителям необходимо провести аудит внутренних регламентов хранения данных и корпоративных коммуникационных платформ. Важно проверить, допускают ли соглашения о ликвидации компаний или текущие лицензии на ПО продажу архивов переписки сторонним агрегаторам данных.
На фоне других
Где лаборатории теперь берут сырье для моделей, когда открытый интернет уже вычищен до дна? Ответ неприятный для корпоративной приватности: они скупают живую рабочую изнанку чужого бизнеса через брокеров вроде Mercor и Micro1, пока Anthropic показательно открещивается от покупок архивов у действующих медиа. Посредники обещают клиентам стерильную очистку переписок от персональных данных, однако эти алгоритмы фильтрации уже оспариваются в судах.
Источник: WIRED