Ettersom denne grensen nærmer seg, har OpenAI og Anthropic vendt oppmerksomheten mot en tidligere uutnyttet skatt: interne bedriftsdata . Oversikter over levende menneskelige interaksjoner – e-poster med forhandlinger, møtereferater med samtidige beslutninger og Slack-tråder som viser autentiske arbeidsdynamikker – tilbyr den typen organisk samtaledata som er blitt svært sjelden på det skrapte offentlige nettet.

Prisene: Fra 10.000 til 300.000 dollar per avtale

Et nytt økosystem av mellomleddselskaper har oppstått for å mekle i disse sensitive transaksjonene. To navn dukker opp oftest: Mercor og SimpleClosure .

• Konkursrammede og oppkjøpte oppstartsbedrifter selger fulle Slack-arkiver, e-postarkiver og dokumentrepositorier for 10.000 til 100.000 dollar per avtale gjennom spesialiserte avviklingstjenester .
• Mercor, et AI-treningsdataselskap, tilbyr opptil 300.000 dollar for Slack-tråder, GitHub-commits og møtereferater .
• Warmly, en AI-oppstartsbedrift nylig kjøpt opp av HubSpot, mottok fire separate tilbud på opptil 300.000 dollar hver for sine interne forretningskommunikasjonsdata – møtereferater, e-poster med mer – etter å ha signert oppkjøpsavtalen, og skal ha takket nei til alle .

Generelle markedspriser, rapportert av Reuters i 2024, gir en pekepinn på verdien per enhet: omtrent 0,001 dollar per ord for tekst, 1 til 2 dollar per bilde, 2 til 4 dollar per kort video og 100 til 300 dollar per time for lengre film eller video .

SimpleClosure, et avviklingsselskap for oppstartsbedrifter, har gjennomført nærmere 100 slike transaksjoner det siste året, med utbetalinger fra 10.000 til 100.000 dollar per selskap . Selskapets «Asset Hub»-plattform hjelper gründere med å rense personidentifiserende informasjon (PII) fra dataene før de lisensieres – selv om effektiviteten og konsistensen av denne anonymiseringen er usikker og blir et stadig mer omstridt tema .

Anthropics satsning på 1,5 milliarder dollar på bøker: Forliket om Project Panama

Hvor langt AI-selskaper er villige til å gå for å sikre treningsdata, ble tydelig i den ekstraordinære saken om Project Panama, Anthropics hemmelige interne program for å bygge et massivt boktreningsdatasett .

Prosjektet hadde to spor. For det første kjøpte Anthropic fysiske trykte bøker, kuttet av ryggene og skannet dem destruktivt side for side, omgjorde dem til søkbare PDF-er og kastet papiroriginalene. Målet: å konvertere opptil 2 millioner bøker på seks måneder . En intern memo anbefalte å bruke et kodenavn «fordi vi ikke vil at det skal bli kjent at vi jobber med dette» .

For det andre lastet selskapet ned mer enn 7 millioner piratkopierte ebokfiler fra skyggebiblioteker som LibGen og Pirate Library Mirror . Dette sporet førte til et gruppesøksmål innlevert i 2024 av forfatterne Andrea Bartz, Kirk Wallace Johnson og Charles Graeber, som anklaget Anthropic for å ha brukt nærmere en halv million piratkopierte bøker for å trene Claude .

Den 20. juli 2026 godkjente en føderal dommer i San Francisco et forlik på 1,5 milliarder dollar – den største kjente opphavsrettsutbetalingen i USAs historie . Mer enn 500.000 forfattere og utgivere var en del av gruppesøksmålet, og de vil motta anslagsvis 3.000 dollar per kvalifisert verk .

Viktigere: Retten trakk et juridisk skille med store implikasjoner for AI-trening. Å bruke piratkopierte ebøker var krenkende og utløste forliket. Men å kjøpe fysiske trykte bøker og destruktivt skanne dem internt for trening ble ansett for potensielt å kvalifisere som rettferdig bruk (fair use), fordi hvert fysiske eksemplar ble erstattet med en enkelt digital kopi i en prosess retten kalte «svært transformerende» . De 1,5 milliarder dollarene dekket ansvaret for de piratkopierte bøkene; det fysiske destruksjonsprogrammet ble ikke straffet .

De nye utfordringene: Anonymisering og kostnader

Ettersom selskaper kappes om å tjene penger på interne data, gjenstår betydelige spørsmål. Effektiviteten av dataanonymisering utført av mellommenn som SimpleClosure er usikker og blir et stadig mer omstridt tema . Slack-meldinger og e-poster fra ansatte inneholder dypt personlig og sensitiv informasjon, og det er uklart om dagens renseteknikker er tilstrekkelige for å forhindre re-identifisering.

Samtidig øker treningskostnadene. En enkelt treningskjøring på GPT-4-skala kan allerede koste 100 millioner dollar eller mer. Etter hvert som høykvalitets offentlige data tar slutt, øker de kombinerte kostnadene ved å lisensiere proprietære bedriftsdata, betale milepælsforlik som Anthropics på 1,5 milliarder dollar, og bygge syntetiske datapipelines dramatisk. Det bredere AI-treningsdatamarkedet anslås å vokse raskt, fra anslagsvis 3,6 milliarder dollar i 2025 til 23 milliarder dollar innen 2034, ettersom lisensiering av menneskelig tekst blir en formalisert aktivaklasse .

Hva dette betyr for dine data

For individuelle brukere har landskapet endret seg. Fra slutten av 2025 endret både OpenAI og Anthropic standardinnstillingene slik at de kan trene på forbrukernivå-chatter (ChatGPT Free og Plus, Claude Free, Pro og Max) med mindre brukeren aktivt reserverer seg . Bedrifts- og API-kunder er fortsatt unntatt fra trening som standard i henhold til kontraktsfestede databehandleravtaler (DPA) .

Budskapet er klart: I kappløpet om å mette AIs umettelige sult etter menneskeskapte data, blir grensene mellom offentlig og privat, personlig og kommersiell, tegnet på nytt – ett Slack-arkiv av gangen.

Ettersom denne grensen nærmer seg, har OpenAI og Anthropic vendt oppmerksomheten mot en tidligere uutnyttet skatt: interne bedriftsdata . Oversikter over levende menneskelige interaksjoner – e-poster med forhandlinger, møtereferater med samtidige beslutninger og Slack-tråder som viser autentiske arbeidsdynamikker – tilbyr den typen organisk samtaledata som er blitt svært sjelden på det skrapte offentlige nettet.

Prisene: Fra 10.000 til 300.000 dollar per avtale

Et nytt økosystem av mellomleddselskaper har oppstått for å mekle i disse sensitive transaksjonene. To navn dukker opp oftest: Mercor og SimpleClosure .

• Konkursrammede og oppkjøpte oppstartsbedrifter selger fulle Slack-arkiver, e-postarkiver og dokumentrepositorier for 10.000 til 100.000 dollar per avtale gjennom spesialiserte avviklingstjenester .
• Mercor, et AI-treningsdataselskap, tilbyr opptil 300.000 dollar for Slack-tråder, GitHub-commits og møtereferater .
• Warmly, en AI-oppstartsbedrift nylig kjøpt opp av HubSpot, mottok fire separate tilbud på opptil 300.000 dollar hver for sine interne forretningskommunikasjonsdata – møtereferater, e-poster med mer – etter å ha signert oppkjøpsavtalen, og skal ha takket nei til alle .

Generelle markedspriser, rapportert av Reuters i 2024, gir en pekepinn på verdien per enhet: omtrent 0,001 dollar per ord for tekst, 1 til 2 dollar per bilde, 2 til 4 dollar per kort video og 100 til 300 dollar per time for lengre film eller video .

SimpleClosure, et avviklingsselskap for oppstartsbedrifter, har gjennomført nærmere 100 slike transaksjoner det siste året, med utbetalinger fra 10.000 til 100.000 dollar per selskap . Selskapets «Asset Hub»-plattform hjelper gründere med å rense personidentifiserende informasjon (PII) fra dataene før de lisensieres – selv om effektiviteten og konsistensen av denne anonymiseringen er usikker og blir et stadig mer omstridt tema .

Anthropics satsning på 1,5 milliarder dollar på bøker: Forliket om Project Panama

Hvor langt AI-selskaper er villige til å gå for å sikre treningsdata, ble tydelig i den ekstraordinære saken om Project Panama, Anthropics hemmelige interne program for å bygge et massivt boktreningsdatasett .

Prosjektet hadde to spor. For det første kjøpte Anthropic fysiske trykte bøker, kuttet av ryggene og skannet dem destruktivt side for side, omgjorde dem til søkbare PDF-er og kastet papiroriginalene. Målet: å konvertere opptil 2 millioner bøker på seks måneder . En intern memo anbefalte å bruke et kodenavn «fordi vi ikke vil at det skal bli kjent at vi jobber med dette» .

For det andre lastet selskapet ned mer enn 7 millioner piratkopierte ebokfiler fra skyggebiblioteker som LibGen og Pirate Library Mirror . Dette sporet førte til et gruppesøksmål innlevert i 2024 av forfatterne Andrea Bartz, Kirk Wallace Johnson og Charles Graeber, som anklaget Anthropic for å ha brukt nærmere en halv million piratkopierte bøker for å trene Claude .

Den 20. juli 2026 godkjente en føderal dommer i San Francisco et forlik på 1,5 milliarder dollar – den største kjente opphavsrettsutbetalingen i USAs historie . Mer enn 500.000 forfattere og utgivere var en del av gruppesøksmålet, og de vil motta anslagsvis 3.000 dollar per kvalifisert verk .

Viktigere: Retten trakk et juridisk skille med store implikasjoner for AI-trening. Å bruke piratkopierte ebøker var krenkende og utløste forliket. Men å kjøpe fysiske trykte bøker og destruktivt skanne dem internt for trening ble ansett for potensielt å kvalifisere som rettferdig bruk (fair use), fordi hvert fysiske eksemplar ble erstattet med en enkelt digital kopi i en prosess retten kalte «svært transformerende» . De 1,5 milliarder dollarene dekket ansvaret for de piratkopierte bøkene; det fysiske destruksjonsprogrammet ble ikke straffet .

De nye utfordringene: Anonymisering og kostnader

Ettersom selskaper kappes om å tjene penger på interne data, gjenstår betydelige spørsmål. Effektiviteten av dataanonymisering utført av mellommenn som SimpleClosure er usikker og blir et stadig mer omstridt tema . Slack-meldinger og e-poster fra ansatte inneholder dypt personlig og sensitiv informasjon, og det er uklart om dagens renseteknikker er tilstrekkelige for å forhindre re-identifisering.

Samtidig øker treningskostnadene. En enkelt treningskjøring på GPT-4-skala kan allerede koste 100 millioner dollar eller mer. Etter hvert som høykvalitets offentlige data tar slutt, øker de kombinerte kostnadene ved å lisensiere proprietære bedriftsdata, betale milepælsforlik som Anthropics på 1,5 milliarder dollar, og bygge syntetiske datapipelines dramatisk. Det bredere AI-treningsdatamarkedet anslås å vokse raskt, fra anslagsvis 3,6 milliarder dollar i 2025 til 23 milliarder dollar innen 2034, ettersom lisensiering av menneskelig tekst blir en formalisert aktivaklasse .

Hva dette betyr for dine data

For individuelle brukere har landskapet endret seg. Fra slutten av 2025 endret både OpenAI og Anthropic standardinnstillingene slik at de kan trene på forbrukernivå-chatter (ChatGPT Free og Plus, Claude Free, Pro og Max) med mindre brukeren aktivt reserverer seg . Bedrifts- og API-kunder er fortsatt unntatt fra trening som standard i henhold til kontraktsfestede databehandleravtaler (DPA) .

Budskapet er klart: I kappløpet om å mette AIs umettelige sult etter menneskeskapte data, blir grensene mellom offentlig og privat, personlig og kommersiell, tegnet på nytt – ett Slack-arkiv av gangen.