TeKOÄLYJÄTTIEN SALAINEN DATARALLI: OpenAI ja Anthropic ostavat työpaikkojen Slack-viestejä ja sähköposteja ennätyshinnoilla
Epoch AI arvioi, että julkisen ihmistekstin kokonaisvaranto on noin 300 biljoonaa tokenia, ja se on käytetty loppuun vuoteen 2028 mennessä. OpenAI ja Anthropic ostavat startupien sisäisiä Slack viestejä, sähköposteja ja kokousäänitteitä jopa 300 000 dollarilla per kauppa.
Epoch AI arvioi, että julkisen ihmistekstin kokonaisvaranto on noin 300 biljoonaa tokenia, ja se on käytetty loppuun vuoteen 2028 mennessä.
OpenAI ja Anthropic ostavat startupien sisäisiä Slack viestejä, sähköposteja ja kokousäänitteitä jopa 300 000 dollarilla per kauppa.
Anthropic joutui maksamaan 1,5 miljardin dollarin tekijänoikeuskorvaukset ladattuaan 7 miljoonaa piraattikirjaa – mutta fyysisten kirjojen tuhoava skannaus katsottiin hyväksyttäväksi.
Anthropic muutti syyskuussa 2025 kuluttajakäytäntönsä: nyt chatit käytetään harjoitusdataan, ellet erikseen kiellä.
What are the key details about OpenAI and Anthropic purchasing internal corporate data — including employee chats, emails, video recordings,AI-generated visualization of the corporate data acquisition pipeline for AI training.
AI Prompt
Create a landscape editorial hero image for this Studio Global article: What are the key details about OpenAI and Anthropic purchasing internal corporate data — including employee chats, emails, video recordings,. Article summary: I'll research this thoroughly across multiple angles. Topic tags: general, education, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual evidence.
openai.com
Julkinen internet on loppumassa puhtaasta ihmiskirjoituksesta, ja maailman johtavat tekoälylaboratoriot (kuten OpenAI ja Anthropic) ovat kääntymässä uuden polttoaineen lähteelle: yritysten sisäisille viestinnöille. Ne ostavat aggressiivisesti startupien työntekijöiden Slack-viestejä, sähköposteja, videotallenteita ja koodihistoriaa – maksaen jopa 300 000 dollaria per kauppa. Tämä on hiljainen, mutta nopeasti kasvava markkina omalle ihmisvuorovaikutusdatalle.
Datamuuri: Miksi tekoälylaboratoriot ostavat sinun Slack-keskustelujasi
Työntyminen yritysdataan johtuu yksinkertaisesta, väistämättömästä matematiikasta. Tutkimusryhmä Epoch AI arvioi, että korkealaatuisen ihmistekstin kokonaismäärä julkisessa internetissä on noin 300 biljoonaa tokenia (90 % luottamusväli: 100 biljoonasta 1 kvadriljoonaan) . Nykyisellä kulutustahdilla tuo varanto on käytetty loppuun vuosien 2026 ja 2032 välillä, mediaaniarvion ollessa vuonna 2028. Jotkut analyysit viittaavat siihen, että korkealaatuista ihmiskirjoitusta avoimella verkolla saattaa olla vain 15–20 biljoonaa tokenia, jolloin loppu häämöttää jo vuonna 2026. PBS uutisoi loppuvuodesta 2025, että chatbot-harjoitusdatan "kultakuume" voi tyrehtyä vuoteen 2026 mennessä .
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
What is the short answer to "TeKOÄLYJÄTTIEN SALAINEN DATARALLI: OpenAI ja Anthropic ostavat työpaikkojen Slack-viestejä ja sähköposteja ennätyshinnoilla"?
Epoch AI arvioi, että julkisen ihmistekstin kokonaisvaranto on noin 300 biljoonaa tokenia, ja se on käytetty loppuun vuoteen 2028 mennessä.
What are the key points to validate first?
Epoch AI arvioi, että julkisen ihmistekstin kokonaisvaranto on noin 300 biljoonaa tokenia, ja se on käytetty loppuun vuoteen 2028 mennessä. OpenAI ja Anthropic ostavat startupien sisäisiä Slack viestejä, sähköposteja ja kokousäänitteitä jopa 300 000 dollarilla per kauppa.
What should I do next in practice?
Anthropic joutui maksamaan 1,5 miljardin dollarin tekijänoikeuskorvaukset ladattuaan 7 miljoonaa piraattikirjaa – mutta fyysisten kirjojen tuhoava skannaus katsottiin hyväksyttäväksi.
Kun tämä katto lähestyy, OpenAI ja Anthropic ovat kohdistaneet huomionsa aiemmin koskemattomaan aarteeseen: yritysten sisäiseen yhteistyödataan . Tosielämän ihmisvuorovaikutuksen tallenteet – neuvotteluja sisältävät sähköpostit, reaaliaikaista päätöksentekoa sisältävät kokouspöytäkirjat ja aitoja työpaikan dynamiikkoja paljastavat Slack-ketjut – tarjoavat sellaista orgaanista keskusteludataa, josta on tullut niukkaa raaputetussa julkisessa verkossa.
Hinnat: 10 000 dollarista 300 000 dollariin per kauppa
Uusi välittäjäyritysten ekosysteemi on syntynyt hoitamaan näitä arkaluonteisia transaktioita. Kaksi nimeä nousee useimmiten esille: Mercor ja SimpleClosure.
Epäonnistuneet ja ostetut startupit myyvät täydellisiä Slack-arkistoja, sähköpostikorpuksia ja dokumenttivarastoja 10 000–100 000 dollarilla per kauppa erikoistuneiden alasajopalveluiden kautta .
Mercor, tekoälyn harjoitusdataan erikoistunut yritys, tarjoaa jopa 300 000 dollaria Slack-ketjuista, GitHub-kommenttihistoriasta ja kokouspöytäkirjoista .
Warmly, HubSpotin äskettäin ostama tekoälystartup, sai neljä erillistä jopa 300 000 dollarin tarjousta sisäisestä liiketoimintaviestintädatanstaan – kokouspöytäkirjoista, sähköposteista ja muusta – ostosopimuksen allekirjoittamisen jälkeen ja hylkäsi ne kaikki .
Laajemmat markkinahinnat, joista Reuters uutisoi vuonna 2024, antavat käsityksen arvosta yksikköä kohden: noin 0,001 dollaria per sana tekstistä, 1–2 dollaria per kuva, 2–4 dollaria per lyhyt video ja 100–300 dollaria per tunti pidempää elokuvaa tai videota .
SimpleClosure, startupien alasajoon erikoistunut yritys, on käsitellyt lähes 100 tällaista kauppaa viimeisen vuoden aikana, maksujen vaihdellessa 10 000 ja 100 000 dollarin välillä per yritys . Yrityksen "Asset Hub" -alusta auttaa perustajia poistamaan henkilötietoja datasta ennen lisensointia – vaikka anonymisoinnin tehokkuus ja johdonmukaisuus ovat edelleen epävarmoja ja kasvava kiistanaihe .
Anthropicin 1,5 miljardin dollarin veto kirjoihin: Project Panama -sovinto
Tekoäly-yritysten valmius hankkia harjoitusdataa paljastui täysin Project Panama -tapauksessa, Anthropicin salaisessa sisäisessä ohjelmassa valtavan kirjaharjoitusdatan luomiseksi .
Hankkeella oli kaksi osaa. Ensinnäkin Anthropic osti fyysisiä painettuja kirjoja, leikkasi niiden sidokset auki ja skannasi ne tuhoavasti sivu sivulta muuntaen ne selattaviksi PDF-tiedostoiksi ja heittäen paperiversiot pois. Tavoitteena oli muuntaa jopa 2 miljoonaa kirjaa kuudessa kuukaudessa . Sisäinen muistio neuvoi käyttämään koodinimeä, "koska emme halua sen tulevan tunnetuksi, että työskentelemme tämän parissa" .
Toiseksi, yritys latasi yli 7 miljoonaa piraattista e-kirjatiedostoa varjokirjastoista, kuten LibGen ja Pirate Library Mirror . Tämä johti vuonna 2024 nostettuun ryhmäkanteeseen, jossa kirjailijat Andrea Bartz, Kirk Wallace Johnson ja Charles Graeber syyttivät Anthropicia käyttäneen lähes puolta miljoonaa piraattikirjaa Clauden kouluttamiseen .
20. heinäkuuta 2026 liittovaltion tuomari San Franciscossa hyväksyi 1,5 miljardin dollarin sovinnon – Yhdysvaltain historian suurimman tunnetun tekijänoikeuskorvauksen . Yli 500 000 kirjailijaa ja kustantajaa kuului ryhmäkanteeseen, ja he saavat arviolta 3 000 dollaria per oikeutettu teos .
Ratkaisevaa oli, että tuomioistuin teki oikeudellisen eron, jolla on suuria vaikutuksia tekoälykoulutukseen. Piraattisten e-kirjojen käyttö loukkasi tekijänoikeuksia ja laukaisi sovinnon Mutta fyysisten painettujen kirjojen ostaminen ja tuhoava skannaaminen sisäisesti koulutusta varten katsottiin mahdollisesti hyväksyttäväksi käytöksi (fair use), koska jokainen fyysinen kopio korvattiin yhdellä digitaalisella kopiolla prosessissa, jota tuomioistuin kutsui "erittäin transformatiiviseksi" . 1,5 miljardia dollaria kattoi piraattikirjojen vastuun; fyysistä tuhoamisohjelmaa ei rangaistu .
Nousevat haasteet: Anonymisointi ja kustannukset
Kun yritykset ryntäävät kaupallistamaan sisäistä dataa, merkittäviä kysymyksiä jää ilmaan. Datan anonymisoinnin tehokkuus välittäjien, kuten SimpleClosuren, toimesta on epävarmaa ja kasvava kiistanaihe . Työntekijöiden Slack-viestit ja sähköpostit sisältävät syvästi henkilökohtaista ja arkaluonteista tietoa, eikä ole selvää, riittävätkö nykyiset poistotekniikat estämään uudelleentunnistamisen.
Samaan aikaan koulutuskustannukset karkaavat käsistä. Yksi GPT-4-tason koulutusajo saattaa jo maksaa 100 miljoonaa dollaria tai enemmän. Kun korkealaatuinen julkinen data loppuu, lisensointikustannukset, ennennäkemättömät sovintoratkaisut ja synteettiset dataputket nostavat kustannuksia dramaattisesti. Laajemman tekoälyn harjoitusdatamarkkinoiden arvioidaan kasvavan nopeasti arviolta 3,6 miljardista dollarista vuonna 202523 miljardiin dollariin vuoteen 2034 mennessä, kun ihmistekstin lisensoinnista tulee institutionalisoitunut omaisuusluokka .
Mitä tämä tarkoittaa sinun datallesi
Yksittäisille käyttäjille maisema on muuttunut. Loppuvuodesta 2025 sekä OpenAI että Anthropic muuttivat oletuskäytäntöjään salliakseen koulutuksen kuluttajatason chateista (ChatGPT Free ja Plus, Claude Free, Pro ja Max), ellei käyttäjä aktiivisesti kiellä . Enterprise- ja API-asiakkaat on edelleen suljettu koulutuksen ulkopuolelle oletusarvoisesti sopimuksellisten tietojenkäsittelysopimusten perusteella .
Viesti on selvä: kilpailussa tekoälyn kyltymättömän ihmisdatan nälän ruokkimiseksi julkisen ja yksityisen, henkilökohtaisen ja kaupallisen välistä rajaa piirretään uudelleen – yksi Slack-arkisto kerrallaan.
wired.comAnthropic Will Use Claude Chats for Training Data. Here's How to Opt Out
