Wielki wyścig po dane. OpenAI i Anthropic wykupują firmowe Slacki, e-maile i nagrania pracowników

Gdy ten sufit się zbliża, OpenAI i Anthropic skierowały uwagę na wcześniej nietknięte źródło: wewnętrzne dane z firmowej komunikacji . Zapisy prawdziwych ludzkich interakcji – e-maile z negocjacjami, transkrypty spotkań z decyzjami podejmowanymi w czasie rzeczywistym oraz wątki na Slacku pokazujące autentyczną dynamikę pracy – oferują rodzaj organicznych danych konwersacyjnych, które stały się rzadkością w przeszukanym publicznym internecie.

Ceny. Od 10 000 do 300 000 dolarów za transakcję

Powstał cały ekosystem firm pośredniczących w tych poufnych transakcjach. Dwie nazwy pojawiają się najczęściej: Mercor i SimpleClosure .

• Upadłe i przejęte startupy sprzedają pełne archiwa Slacków, zbiory e-maili i repozytoria dokumentów za 10 000 do 100 000 dolarów za transakcję za pośrednictwem wyspecjalizowanych firm zajmujących się likwidacją .
• Mercor, firma zajmująca się danymi treningowymi dla AI, oferuje nawet 300 000 dolarów za wątki Slacka, historię commitów na GitHubie i transkrypty spotkań .
• Warmly, startup AI niedawno przejęty przez HubSpota, otrzymał cztery oddzielne oferty po 300 000 dolarów każda za swoją wewnętrzną komunikację biznesową – notatki ze spotkań, e-maile i inne – po podpisaniu umowy przejęcia, i rzekomo wszystkie odrzucił .

Szersze stawki rynkowe, podane przez Reuters w 2024 roku, dają obraz wartości jednostkowej: około 0,001 dolara za słowo w przypadku tekstu, 1–2 dolarów za obraz, 2–4 dolarów za krótki film oraz 100–300 dolarów za godzinę dłuższego filmu lub wideo .

SimpleClosure, firma specjalizująca się w zamykaniu startupów, przeprowadziła w ciągu ostatniego roku prawie 100 takich transakcji, z wypłatami od 10 000 do 100 000 dolarów na firmę . Platforma „Asset Hub” tej firmy pomaga założycielom oczyścić dane z danych osobowych (PII) przed ich licencjonowaniem – choć skuteczność i spójność tej anonimizacji pozostają niepewne i stają się coraz bardziej kontrowersyjne .

Projekt Panama. 1,5 miliarda dolarów za książki od Anthropic

To, jak daleko posuną się firmy AI, by zdobyć dane treningowe, ujawniła niezwykła sprawa Projektu Panama – tajnego wewnętrznego programu Anthropic mającego na celu zbudowanie gigantycznego zbioru książek do trenowania modeli .

Projekt miał dwa tory. Po pierwsze, Anthropic kupował fizyczne książki drukowane, ciął ich oprawy i niszczył je, skanując strona po stronie, zamieniając je w przeszukiwalne pliki PDF, a papierowe oryginały wyrzucając. Celem było przerobienie nawet 2 milionów książek w ciągu sześciu miesięcy . Wewnętrzna notatka doradzała używanie kryptonimu „ponieważ nie chcemy, aby wiedziano, że nad tym pracujemy” .

Po drugie, firma pobrała ponad 7 milionów pirackich plików e-booków z bibliotek cienia, w tym LibGen i Pirate Library Mirror . Ten tor doprowadził do pozwu zbiorowego złożonego w 2024 roku przez autorów Andreę Bartz, Kirka Wallace'a Johnsona i Charlesa Graebera, którzy oskarżyli Anthropic o wykorzystanie prawie pół miliona pirackich książek do trenowania Claude'a .

20 lipca 2026 roku federalny sędzia w San Francisco zatwierdził ugodę na 1,5 miliarda dolarów – największe znane odszkodowanie za naruszenie praw autorskich w historii USA . Ponad 500 000 autorów i wydawców było częścią pozwu zbiorowego, a otrzymają oni szacunkowo 3 000 dolarów za każdą kwalifikującą się pracę .

Kluczowe jest to, że sąd wytyczył linię prawną o ogromnym znaczeniu dla trenowania AI. Używanie pirackich e-booków stanowiło naruszenie i uruchomiło ugodę. Ale kupowanie fizycznych książek i niszczenie ich wewnętrznie w celu skanowania do trenowania zostało uznane za potencjalnie kwalifikujące się jako dozwolony użytek, ponieważ każda fizyczna kopia została zastąpiona pojedynczą cyfrową kopią w procesie, który sąd nazwał „niezwykle transformacyjnym” . 1,5 miliarda dolarów pokryło odpowiedzialność za pirackie książki; program fizycznego niszczenia nie został ukarany .

Nowe wyzwania. Anonimizacja i rosnące koszty

W miarę jak firmy ścigają się, by zarabiać na wewnętrznych danych, pojawiają się poważne pytania. Skuteczność anonimizacji danych przez brokerów takich jak SimpleClosure jest niepewna i staje się przedmiotem rosnących sporów . Wiadomości pracowników na Slacku i e-maile zawierają głęboko osobiste i wrażliwe informacje, a nie jest jasne, czy obecne techniki usuwania danych wystarczą, aby zapobiec ponownej identyfikacji.

Tymczasem koszty trenowania rosną. Pojedynczy proces trenowania modelu na skalę GPT-4 może kosztować już 100 milionów dolarów lub więcej . Gdy zabraknie wysokiej jakości publicznych danych, połączone koszty licencjonowania własnościowych danych firmowych, płacenia gigantycznych ugód, takich jak 1,5 miliarda dolarów Anthropic, i budowania syntetycznych potoków danych będą gwałtownie rosnąć. Szerszy rynek zbiorów danych do trenowania AI ma urosnąć szybko, z szacowanych 3,6 miliarda dolarów w 2025 roku do 23 miliardów dolarów do 2034 roku, gdy licencjonowanie tekstów pisanych przez ludzi stanie się sformalizowaną klasą aktywów .

Co to oznacza dla Twoich danych

Dla indywidualnych użytkowników sytuacja się zmieniła. Od końca 2025 roku zarówno OpenAI, jak i Anthropic zmieniły swoje domyślne polityki, pozwalając na trenowanie na czatach konsumenckich (ChatGPT Free i Plus, Claude Free, Pro i Max), chyba że użytkownicy aktywnie zrezygnują . Klienci korporacyjni i API są domyślnie wyłączeni z trenowania na mocy umów o przetwarzaniu danych (DPA) .

Przekaz jest jasny: w wyścigu, by zaspokoić nienasycone pragnienie AI danych generowanych przez ludzi, granice między tym, co publiczne i prywatne, osobiste i komercyjne, są rysowane na nowo – jedno archiwum Slacka na raz.