OpenAI og Anthropic betaler kæmpebeløb for dine interne beskeder

I takt med at denne grænse nærmer sig, har OpenAI og Anthropic rettet opmærksomheden mod en hidtil uudnyttet skattekiste: interne virksomheders samarbejdsdata . Optegnelser fra virkelige menneskelige interaktioner – e-mails med forhandlinger, mødereferater med beslutningstagning i realtid og Slack-tråde, der viser autentisk arbejdspladsdynamik – tilbyder den slags organisk samtalemateriale, der er blevet svært at finde på det skrabede offentlige web.

Priserne: Fra 10.000 til 300.000 dollars per handel

Et nyt økosystem af mellemledsfirmaer er opstået for at formidle disse følsomme transaktioner. To navne dukker op oftest: Mercor og SimpleClosure .

• Nedlagte og opkøbte startups sælger komplette Slack-arkiver, e-mail-korpus og dokumentarkiver for 10.000 til 100.000 dollars per handel gennem specialiserede afviklingstjenester .
• Mercor, et AI-træningsdatafirma, tilbyder op til 300.000 dollars for Slack-tråde, GitHub-commit-historik og mødereferater .
• Warmly, en AI-startup for nylig opkøbt af HubSpot, modtog fire separate tilbud på op til 300.000 dollars hver for deres interne forretningskommunikationsdata – mødereferater, e-mails med mere – efter at have underskrevet opkøbsaftalen, og afslog angiveligt alle .

Bredere markedspriser, rapporteret af Reuters i 2024, giver en fornemmelse af værdien per enhed: cirka 0,001 dollars per ord for tekst, 1 til 2 dollars per billede, 2 til 4 dollars per kort video og 100 til 300 dollars per time for længere film eller video .

SimpleClosure, et startup-afviklingsfirma, har behandlet næsten 100 sådanne transaktioner i løbet af det seneste år, med udbetalinger fra 10.000 til 100.000 dollars per virksomhed . Firmaets 'Asset Hub'-platform hjælper grundlæggere med at rense personhenførbare oplysninger (PII) fra dataene, før de licenseres – dog er effektiviteten og konsistensen af denne anonymisering usikker og et voksende stridspunkt .

Anthropics milliardsatsning på bøger: Project Panama-forliget

Hvor langt AI-virksomheder er villige til at gå for at sikre træningsdata, blev blottet i den usædvanlige sag om Project Panama, Anthropics hemmelige interne program for at opbygge et massivt bogtræningsdatasæt .

Projektet havde to spor. For det første købte Anthropic fysiske trykte bøger, skar deres indbinding op og scannede dem destruktivt side for side, konverterede dem til søgbare PDF'er og smed papiroriginalerne ud. Målet var at konvertere op til 2 millioner bøger på seks måneder . En intern instruks rådede til at bruge et kodenavn 'fordi vi ikke ønsker, at det skal være kendt, at vi arbejder på dette' .

For det andet downloadede virksomheden mere end 7 millioner piratkopierede e-bogfiler fra skyggebiblioteker som LibGen og Pirate Library Mirror . Dette spor førte til et gruppesøgsmål anlagt i 2024 af forfatterne Andrea Bartz, Kirk Wallace Johnson og Charles Graeber, som anklagede Anthropic for at bruge næsten en halv million piratkopierede bøger til at træne Claude .

Den 20. juli 2026 godkendte en føderal dommer i San Francisco et forlig på 1,5 milliarder dollars – den største kendte ophavsretsudbetaling i USA's historie . Mere end 500.000 forfattere og forlag var en del af gruppesøgsmålet, og de vil modtage anslået 3.000 dollars per berettiget værk .

Afgørende var, at retten drag en juridisk skelnen med store konsekvenser for AI-træning. Brug af piratkopierede e-bøger var krænkende og udløste forliget. Men at købe fysiske trykte bøger og destruktivt scanne dem internt til træning blev vurderet til potentielt at kvalificere som fair use, fordi hvert fysisk eksemplar blev erstattet med en enkelt digital kopi i en proces, som retten kaldte 'særdeles transformativ' . De 1,5 milliarder dollars dækkede forpligtelsen for de piratkopierede bøger; det fysiske destruktionsprogram blev ikke straffet .

De nye udfordringer: Anonymisering og omkostninger

Mens virksomheder skynder sig at tjene penge på interne data, står de over for betydelige spørgsmål. Effektiviteten af dataanonymisering hos mellemmænd som SimpleClosure er usikker og et voksende stridspunkt . Medarbejderes Slack-beskeder og e-mails indeholder dybt personlige og følsomme oplysninger, og det er uklart, om de nuværende rensningsteknikker er tilstrækkelige til at forhindre genidentifikation.

Samtidig løber træningsomkostningerne løbsk. En enkelt træningskørsel i GPT-4-skala kan allerede koste 100 millioner dollars eller mere . Efterhånden som offentlige data af høj kvalitet slipper op, stiger de kombinerede omkostninger ved at licensere proprietære virksomhedsdata, betale skelsættende forlig som Anthropics 1,5 milliarder dollars og opbygge syntetiske datapipelines dramatisk. Det bredere AI-træningsdatasætmarked forventes at vokse hurtigt, fra anslået 3,6 milliarder dollars i 2025 til 23 milliarder dollars i 2034, i takt med at licensering af menneskelig tekst bliver en formaliseret aktivklasse .

Hvad dette betyder for dine data

For almindelige brugere har landskabet ændret sig. Fra slutningen af 2025 ændrede både OpenAI og Anthropic deres standardpolitikker for at tillade træning på forbrugerchats (ChatGPT Free og Plus, Claude Free, Pro og Max), medmindre brugerne aktivt fravælger det . Erhvervs- og API-kunder forbliver undtaget fra træning som standard i henhold til kontraktlige databehandlingsaftaler .

Budskabet er klart: I kapløbet om at fodre AI'ens umættelige sult efter menneskeskabte data bliver grænserne mellem offentligt og privat, personligt og kommercielt, tegnet om – et Slack-arkiv ad gangen.