Nu die grens in zicht komt, hebben OpenAI en Anthropic hun aandacht gericht op een voorheen onaangesproken bron: interne bedrijfsdata . Documenten van live menselijke interacties—e-mails met onderhandelingen, transcripties van vergaderingen met besluitvorming in realtime, en Slack-threads die authentieke werkplekdynamiek tonen—bieden het soort organische conversatiedata dat schaars is geworden op het openbare web.

De prijzen: van $10.000 tot $300.000 per deal

Er is een nieuw ecosysteem van tussenpersonen ontstaan om deze gevoelige transacties te bemiddelen. Twee namen duiken het vaakst op: Mercor en SimpleClosure .

• Falende en overgenomen startups verkopen volledige Slack-archieven, e-mailcorpora en documentenopslagplaatsen voor $10.000 tot $100.000 per deal via gespecialiseerde afwikkelingsdiensten .
• Mercor, een AI-trainingsdatabedrijf, biedt tot $300.000 voor Slack-threads, GitHub-commitgeschiedenissen en vergadertranscripties .
• Warmly, een AI-startup onlangs overgenomen door HubSpot, ontving vier afzonderlijke aanbiedingen van maximaal $300.000 elk voor zijn interne bedrijfscommunicatiedata—notulen, e-mails en meer—na het tekenen van de overnameovereenkomst, en sloeg ze naar verluidt allemaal af .

Bredere markttarieven, gerapporteerd door Reuters in 2024, geven een idee van de waarde per eenheid: ongeveer $0,001 per woord voor tekst, $1 tot $2 per afbeelding, $2 tot $4 per korte video, en $100 tot $300 per uur voor langere film of video .

SimpleClosure, een startup-afwikkelingsbedrijf, heeft in het afgelopen jaar bijna 100 van dergelijke transacties verwerkt, met uitbetalingen variërend van $10.000 tot $100.000 per bedrijf . Het 'Asset Hub'-platform van het bedrijf helpt oprichters om persoonlijk identificeerbare informatie (PII) uit de data te verwijderen voordat deze in licentie wordt gegeven—hoewel de effectiviteit en consistentie van die anonimisering onzeker blijven en een groeiend punt van discussie zijn .

Anthropic's $1,5 miljard weddenschap op boeken: de Project Panama-schikking

De lengtes die AI-bedrijven willen gaan om trainingsdata veilig te stellen, werden pijnlijk duidelijk in de buitengewone zaak van Project Panama, Anthropic's geheime interne programma om een enorme boekentrainingsdataset op te bouwen .

Het project had twee sporen. Ten eerste kocht Anthropic fysieke gedrukte boeken, sneed de bindingen door en scande ze destructief pagina voor pagina, waarbij ze werden omgezet in doorzoekbare PDF's en de papieren originelen werden weggegooid. Het doel: tot 2 miljoen boeken converteren in zes maanden . Een interne memo adviseerde een codenaam te gebruiken 'omdat we niet willen dat bekend wordt dat we hieraan werken' .

Ten tweede downloadde het bedrijf meer dan 7 miljoen illegale ebook-bestanden van schaduwbibliotheken, waaronder LibGen en Pirate Library Mirror . Dat spoor leidde tot een class action-rechtszaak die in 2024 werd aangespannen door auteurs Andrea Bartz, Kirk Wallace Johnson en Charles Graeber, die Anthropic ervan beschuldigden bijna een half miljoen gestolen boeken te gebruiken om Claude te trainen .

Op 20 juli 2026 keurde een federale rechter in San Francisco een schikking van $1,5 miljard goed—de grootste bekende auteursrechtelijke uitkering in de Amerikaanse geschiedenis . Meer dan 500.000 auteurs en uitgevers maakten deel uit van de class action, en zij zullen naar schatting $3.000 per in aanmerking komend werk ontvangen .

Cruciaal is dat de rechtbank een juridisch onderscheid maakte dat grote gevolgen heeft voor AI-training. Het gebruik van illegale ebooks was inbreukmakend en leidde tot de schikking. Maar het kopen van fysieke gedrukte boeken en deze intern destructief scannen voor training werd beschouwd als mogelijk redelijk gebruik (fair use), omdat elk fysiek exemplaar werd vervangen door een enkele digitale kopie in een proces dat de rechtbank 'buitengewoon transformerend' noemde . De $1,5 miljard dekte de aansprakelijkheid voor de gestolen boeken; het fysieke destructieprogramma werd niet bestraft .

De opkomende uitdagingen: anonimisering en kosten

Nu bedrijven haast maken om interne data te gelde te maken, blijven er belangrijke vragen bestaan. De effectiviteit van data-anonimisering door tussenpersonen zoals SimpleClosure is onzeker en een groeiend punt van discussie . Slack-berichten en e-mails van werknemers bevatten diep persoonlijke en gevoelige informatie, en het is niet duidelijk of de huidige verwijderingstechnieken voldoende zijn om heridentificatie te voorkomen.

Ondertussen stijgen de trainingskosten explosief. Een enkele trainingssessie op GPT-4-schaal kan al $100 miljoen of meer kosten . Nu hoogwaardige openbare data opraken, stijgen de gecombineerde kosten van het licentiëren van eigen bedrijfsdata, het betalen van baanbrekende schikkingen zoals die van Anthropic, en het bouwen van synthetische datapijplijnen allemaal dramatisch. De bredere markt voor AI-trainingsdatasets zal naar verwachting snel groeien, van naar schatting $3,6 miljard in 2025 tot $23 miljard in 2034, naarmate het licentiëren van menselijke tekst een geformaliseerde activaklasse wordt .

Wat dit betekent voor uw gegevens

Voor individuele gebruikers is het landschap verschoven. Sinds eind 2025 hebben zowel OpenAI als Anthropic hun standaardbeleid gewijzigd om training op consumentenchats toe te staan (ChatGPT Free en Plus, Claude Free, Pro en Max), tenzij gebruikers actief uitschakelen . Zakelijke en API-klanten blijven standaard uitgesloten van training onder contractuele Data Processing Agreements .

De boodschap is duidelijk: in de race om de onverzadigbare honger van AI naar menselijke data te voeden, worden de grenzen tussen openbaar en privé, persoonlijk en commercieel, opnieuw getrokken—één Slack-archief tegelijk.

Nu die grens in zicht komt, hebben OpenAI en Anthropic hun aandacht gericht op een voorheen onaangesproken bron: interne bedrijfsdata . Documenten van live menselijke interacties—e-mails met onderhandelingen, transcripties van vergaderingen met besluitvorming in realtime, en Slack-threads die authentieke werkplekdynamiek tonen—bieden het soort organische conversatiedata dat schaars is geworden op het openbare web.

De prijzen: van $10.000 tot $300.000 per deal

Er is een nieuw ecosysteem van tussenpersonen ontstaan om deze gevoelige transacties te bemiddelen. Twee namen duiken het vaakst op: Mercor en SimpleClosure .

• Falende en overgenomen startups verkopen volledige Slack-archieven, e-mailcorpora en documentenopslagplaatsen voor $10.000 tot $100.000 per deal via gespecialiseerde afwikkelingsdiensten .
• Mercor, een AI-trainingsdatabedrijf, biedt tot $300.000 voor Slack-threads, GitHub-commitgeschiedenissen en vergadertranscripties .
• Warmly, een AI-startup onlangs overgenomen door HubSpot, ontving vier afzonderlijke aanbiedingen van maximaal $300.000 elk voor zijn interne bedrijfscommunicatiedata—notulen, e-mails en meer—na het tekenen van de overnameovereenkomst, en sloeg ze naar verluidt allemaal af .

Bredere markttarieven, gerapporteerd door Reuters in 2024, geven een idee van de waarde per eenheid: ongeveer $0,001 per woord voor tekst, $1 tot $2 per afbeelding, $2 tot $4 per korte video, en $100 tot $300 per uur voor langere film of video .

SimpleClosure, een startup-afwikkelingsbedrijf, heeft in het afgelopen jaar bijna 100 van dergelijke transacties verwerkt, met uitbetalingen variërend van $10.000 tot $100.000 per bedrijf . Het 'Asset Hub'-platform van het bedrijf helpt oprichters om persoonlijk identificeerbare informatie (PII) uit de data te verwijderen voordat deze in licentie wordt gegeven—hoewel de effectiviteit en consistentie van die anonimisering onzeker blijven en een groeiend punt van discussie zijn .

Anthropic's $1,5 miljard weddenschap op boeken: de Project Panama-schikking

De lengtes die AI-bedrijven willen gaan om trainingsdata veilig te stellen, werden pijnlijk duidelijk in de buitengewone zaak van Project Panama, Anthropic's geheime interne programma om een enorme boekentrainingsdataset op te bouwen .

Het project had twee sporen. Ten eerste kocht Anthropic fysieke gedrukte boeken, sneed de bindingen door en scande ze destructief pagina voor pagina, waarbij ze werden omgezet in doorzoekbare PDF's en de papieren originelen werden weggegooid. Het doel: tot 2 miljoen boeken converteren in zes maanden . Een interne memo adviseerde een codenaam te gebruiken 'omdat we niet willen dat bekend wordt dat we hieraan werken' .

Ten tweede downloadde het bedrijf meer dan 7 miljoen illegale ebook-bestanden van schaduwbibliotheken, waaronder LibGen en Pirate Library Mirror . Dat spoor leidde tot een class action-rechtszaak die in 2024 werd aangespannen door auteurs Andrea Bartz, Kirk Wallace Johnson en Charles Graeber, die Anthropic ervan beschuldigden bijna een half miljoen gestolen boeken te gebruiken om Claude te trainen .

Op 20 juli 2026 keurde een federale rechter in San Francisco een schikking van $1,5 miljard goed—de grootste bekende auteursrechtelijke uitkering in de Amerikaanse geschiedenis . Meer dan 500.000 auteurs en uitgevers maakten deel uit van de class action, en zij zullen naar schatting $3.000 per in aanmerking komend werk ontvangen .

Cruciaal is dat de rechtbank een juridisch onderscheid maakte dat grote gevolgen heeft voor AI-training. Het gebruik van illegale ebooks was inbreukmakend en leidde tot de schikking. Maar het kopen van fysieke gedrukte boeken en deze intern destructief scannen voor training werd beschouwd als mogelijk redelijk gebruik (fair use), omdat elk fysiek exemplaar werd vervangen door een enkele digitale kopie in een proces dat de rechtbank 'buitengewoon transformerend' noemde . De $1,5 miljard dekte de aansprakelijkheid voor de gestolen boeken; het fysieke destructieprogramma werd niet bestraft .

De opkomende uitdagingen: anonimisering en kosten

Nu bedrijven haast maken om interne data te gelde te maken, blijven er belangrijke vragen bestaan. De effectiviteit van data-anonimisering door tussenpersonen zoals SimpleClosure is onzeker en een groeiend punt van discussie . Slack-berichten en e-mails van werknemers bevatten diep persoonlijke en gevoelige informatie, en het is niet duidelijk of de huidige verwijderingstechnieken voldoende zijn om heridentificatie te voorkomen.

Ondertussen stijgen de trainingskosten explosief. Een enkele trainingssessie op GPT-4-schaal kan al $100 miljoen of meer kosten . Nu hoogwaardige openbare data opraken, stijgen de gecombineerde kosten van het licentiëren van eigen bedrijfsdata, het betalen van baanbrekende schikkingen zoals die van Anthropic, en het bouwen van synthetische datapijplijnen allemaal dramatisch. De bredere markt voor AI-trainingsdatasets zal naar verwachting snel groeien, van naar schatting $3,6 miljard in 2025 tot $23 miljard in 2034, naarmate het licentiëren van menselijke tekst een geformaliseerde activaklasse wordt .

Wat dit betekent voor uw gegevens

Voor individuele gebruikers is het landschap verschoven. Sinds eind 2025 hebben zowel OpenAI als Anthropic hun standaardbeleid gewijzigd om training op consumentenchats toe te staan (ChatGPT Free en Plus, Claude Free, Pro en Max), tenzij gebruikers actief uitschakelen . Zakelijke en API-klanten blijven standaard uitgesloten van training onder contractuele Data Processing Agreements .

De boodschap is duidelijk: in de race om de onverzadigbare honger van AI naar menselijke data te voeden, worden de grenzen tussen openbaar en privé, persoonlijk en commercieel, opnieuw getrokken—één Slack-archief tegelijk.