เมื่อเพดานนี้ใกล้เข้ามา OpenAI และ Anthropic ก็หันมาสนใจแหล่งข้อมูลที่ไม่เคยถูกแตะต้องมาก่อน: ข้อมูลการทำงานร่วมกันภายในองค์กร บันทึกการโต้ตอบของมนุษย์แบบเรียลไทม์ เช่น อีเมลที่เต็มไปด้วยการเจรจา, บันทึกการประชุมที่มีการตัดสินใจทันที, และเธรด Slack ที่แสดงพลวัตการทำงานจริง ต่างก็เป็นข้อมูลสนทนาอินทรีย์ที่หายากบนเว็บสาธารณะที่ถูกขูดข้อมูล

ราคา: จาก 10,000 ดอลลาร์ ถึง 300,000 ดอลลาร์ต่อดีล

ระบบนิเวศของบริษัทตัวกลางได้ผุดขึ้นมาเพื่อจัดการธุรกรรมที่ละเอียดอ่อนเหล่านี้ สองชื่อที่ปรากฏบ่อยที่สุดคือ Mercor และ SimpleClosure

• สตาร์ทอัพที่ล้มเหลวและถูกซื้อกิจการ กำลังขายคลังข้อมูล Slack, อีเมล, และเอกสารทั้งหมดในราคา 10,000 ถึง 100,000 ดอลลาร์ต่อดีล ผ่านบริการเลิกกิจการโดยเฉพาะ
• Mercor บริษัทข้อมูลฝึก AI เสนอจ่าย สูงถึง 300,000 ดอลลาร์ สำหรับเธรด Slack, ประวัติการคอมมิต GitHub, และบันทึกการประชุม
• Warmly สตาร์ทอัพ AI ที่เพิ่งถูก HubSpot ซื้อกิจการ ได้รับ ข้อเสนอแยกกันสี่ครั้ง มูลค่าสูงถึง 300,000 ดอลลาร์แต่ละครั้ง สำหรับข้อมูลการสื่อสารทางธุรกิจภายในของตน เช่น รายงานการประชุมและอีเมล หลังจากเซ็นสัญญาซื้อขาย และรายงานว่าปฏิเสธข้อเสนอทั้งหมด

อัตราตลาดในวงกว้าง ซึ่งรายงานโดย Reuters ในปี 2024 ให้ความรู้สึกถึงมูลค่าต่อหน่วย: ประมาณ 0.001 ดอลลาร์ต่อคำ สำหรับข้อความ, 1 ถึง 2 ดอลลาร์ต่อภาพ, 2 ถึง 4 ดอลลาร์ต่อวิดีโอสั้น, และ 100 ถึง 300 ดอลลาร์ต่อชั่วโมง สำหรับภาพยนตร์หรือวิดีโอที่ยาวขึ้น

SimpleClosure บริษัทเลิกกิจการสตาร์ทอัพ ได้ประมวลผลธุรกรรมดังกล่าวเกือบ 100 รายการในปีที่ผ่านมา โดยมีการจ่ายเงินตั้งแต่ 10,000 ถึง 100,000 ดอลลาร์ต่อบริษัท แพลตฟอร์ม 'Asset Hub' ของบริษัทช่วยให้ผู้ก่อตั้งล้างข้อมูลที่สามารถระบุตัวตนได้ (PII) ออกจากข้อมูลก่อนอนุญาตให้ใช้สิทธิ์ แม้ว่าประสิทธิภาพและความสม่ำเสมอของการไม่เปิดเผยตัวตนนี้จะยังไม่แน่นอนและกลายเป็นประเด็นที่ถกเถียงกันมากขึ้น

การเดิมพัน 1.5 พันล้านดอลลาร์ของ Anthropic กับหนังสือ: การยุติคดี Project Panama

ความยาวนานที่บริษัท AI เต็มใจจะไปเพื่อรักษาความปลอดภัยให้กับข้อมูลฝึก ปรากฏให้เห็นในคดีพิเศษของ Project Panama โปรแกรมลับภายในของ Anthropic เพื่อสร้างชุดข้อมูลฝึกหนังสือขนาดใหญ่

โครงการนี้มีสองแนวทาง อย่างแรก Anthropic ซื้อหนังสือเล่มจริง ตัดสันหนังสือ และสแกนหน้าต่อหน้าอย่างทำลายล้าง แปลงเป็น PDF ที่ค้นหาได้ และทิ้งต้นฉบับกระดาษ เป้าหมาย: แปลงหนังสือได้ถึง 2 ล้านเล่มในหกเดือน บันทึกภายในแนะนำให้ใช้ชื่อรหัส "เพราะเราไม่ต้องการให้เป็นที่รู้ว่าเรากำลังทำสิ่งนี้อยู่"

ประการที่สอง บริษัทดาวน์โหลดไฟล์ ebook ละเมิดลิขสิทธิ์มากกว่า 7 ล้านไฟล์ จากห้องสมุดเงา รวมถึง LibGen และ Pirate Library Mirror แนวทางนี้นำไปสู่คดีความแบบกลุ่มที่ยื่นฟ้องในปี 2024 โดยนักเขียน Andrea Bartz, Kirk Wallace Johnson และ Charles Graeber ซึ่งกล่าวหาว่า Anthropic ใช้หนังสือละเมิดลิขสิทธิ์เกือบครึ่งล้านเล่มเพื่อฝึก Claude

เมื่อ วันที่ 20 กรกฎาคม 2026 ผู้พิพากษาของรัฐบาลกลางในซานฟรานซิสโกได้อนุมัติการยุติคดีด้วยมูลค่า 1.5 พันล้านดอลลาร์สหรัฐฯ ซึ่งเป็นการจ่ายค่าลิขสิทธิ์ที่ใหญ่ที่สุดเท่าที่เคยมีมาในประวัติศาสตร์สหรัฐฯ นักเขียนและสำนักพิมพ์มากกว่า 500,000 รายเป็นส่วนหนึ่งของคดีแบบกลุ่ม และพวกเขาจะได้รับเงินประมาณ 3,000 ดอลลาร์ต่องานที่มีสิทธิ์

ที่สำคัญ ศาลได้แยกความแตกต่างทางกฎหมายซึ่งมีนัยสำคัญต่อการฝึก AI การใช้ ebook ละเมิดลิขสิทธิ์ ถือเป็นการละเมิดและทำให้เกิดการยุติคดี แต่การซื้อ หนังสือเล่มจริงและสแกนภายในอย่างทำลายล้าง เพื่อฝึกฝน ถือว่าอาจเข้าข่ายเป็น fair use เนื่องจากหนังสือแต่ละเล่มถูกแทนที่ด้วยสำเนาดิจิทัลเพียงชุดเดียวในกระบวนการที่ศาลเรียกว่า 'เปลี่ยนแปลงอย่างยิ่ง' เงิน 1.5 พันล้านดอลลาร์ครอบคลุมความรับผิดสำหรับหนังสือละเมิดลิขสิทธิ์ โครงการทำลายหนังสือเล่มจริงไม่ถูกลงโทษ

ความท้าทายที่เกิดขึ้นใหม่: การไม่เปิดเผยตัวตนและต้นทุน

ในขณะที่บริษัทต่าง ๆ รีบเร่งสร้างรายได้จากข้อมูลภายใน ปัญหาสำคัญยังคงอยู่ ประสิทธิผลของการไม่เปิดเผยข้อมูลโดยนายหน้าเช่น SimpleClosure ยังไม่แน่นอนและกลายเป็นประเด็นที่ถกเถียงกันมากขึ้น ข้อความ Slack และอีเมลของพนักงานมีข้อมูลส่วนบุคคลและข้อมูลที่ละเอียดอ่อน และยังไม่ชัดเจนว่าเทคนิคการลบข้อมูลในปัจจุบันเพียงพอที่จะป้องกันการระบุตัวตนซ้ำได้หรือไม่

ในขณะเดียวกัน ค่าใช้จ่ายในการฝึกก็พุ่งสูงขึ้น การฝึกโมเดลระดับ GPT-4 หนึ่งครั้งอาจมีค่าใช้จ่าย 100 ล้านดอลลาร์ขึ้นไป เมื่อข้อมูลสาธารณะคุณภาพสูงหมดลง ต้นทุนรวมของการอนุญาตให้ใช้ข้อมูลองค์กรที่มีกรรมสิทธิ์ การจ่ายค่าปรับครั้งใหญ่เช่น 1.5 พันล้านดอลลาร์ของ Anthropic และการสร้างไปป์ไลน์ข้อมูลสังเคราะห์ ล้วนเพิ่มสูงขึ้นอย่างมาก ตลาดชุดข้อมูลฝึก AI ในวงกว้างคาดว่าจะเติบโตอย่างรวดเร็ว จากประมาณ 3.6 พันล้านดอลลาร์ในปี 2025 เป็น 23 พันล้านดอลลาร์ภายในปี 2034 เนื่องจากการอนุญาตให้ใช้ข้อความของมนุษย์กลายเป็นสินทรัพย์ประเภทหนึ่งที่มีพิธีการ

สิ่งนี้หมายถึงอะไรสำหรับข้อมูลของคุณ

สำหรับผู้ใช้ทั่วไป ภูมิทัศน์ได้เปลี่ยนไปแล้ว ณ ช่วงปลายปี 2025 ทั้ง OpenAI และ Anthropi ต่างเปลี่ยนนโยบายเริ่มต้นให้อนุญาตให้ฝึกบนแชทระดับผู้บริโภค (ChatGPT Free และ Plus, Claude Free, Pro, และ Max) เว้นแต่ผู้ใช้จะเลือกไม่ใช้ด้วยตนเอง ลูกค้าองค์กรและ API ยังคงถูกแยกออกจากการฝึกโดยค่าเริ่มต้นภายใต้ข้อตกลงการประมวลผลข้อมูล

ข้อความชัดเจน: ในการแข่งขันเพื่อป้อนข้อมูลที่มนุษย์สร้างขึ้นให้กับ AI ที่หิวโหยไม่รู้จักพอ เส้นแบ่งระหว่างสาธารณะและส่วนตัว ส่วนบุคคลและเชิงพาณิชย์ กำลังถูกวาดขึ้นใหม่—ครั้งละหนึ่งคลังข้อมูล Slack

เมื่อเพดานนี้ใกล้เข้ามา OpenAI และ Anthropic ก็หันมาสนใจแหล่งข้อมูลที่ไม่เคยถูกแตะต้องมาก่อน: ข้อมูลการทำงานร่วมกันภายในองค์กร บันทึกการโต้ตอบของมนุษย์แบบเรียลไทม์ เช่น อีเมลที่เต็มไปด้วยการเจรจา, บันทึกการประชุมที่มีการตัดสินใจทันที, และเธรด Slack ที่แสดงพลวัตการทำงานจริง ต่างก็เป็นข้อมูลสนทนาอินทรีย์ที่หายากบนเว็บสาธารณะที่ถูกขูดข้อมูล

ราคา: จาก 10,000 ดอลลาร์ ถึง 300,000 ดอลลาร์ต่อดีล

ระบบนิเวศของบริษัทตัวกลางได้ผุดขึ้นมาเพื่อจัดการธุรกรรมที่ละเอียดอ่อนเหล่านี้ สองชื่อที่ปรากฏบ่อยที่สุดคือ Mercor และ SimpleClosure

• สตาร์ทอัพที่ล้มเหลวและถูกซื้อกิจการ กำลังขายคลังข้อมูล Slack, อีเมล, และเอกสารทั้งหมดในราคา 10,000 ถึง 100,000 ดอลลาร์ต่อดีล ผ่านบริการเลิกกิจการโดยเฉพาะ
• Mercor บริษัทข้อมูลฝึก AI เสนอจ่าย สูงถึง 300,000 ดอลลาร์ สำหรับเธรด Slack, ประวัติการคอมมิต GitHub, และบันทึกการประชุม
• Warmly สตาร์ทอัพ AI ที่เพิ่งถูก HubSpot ซื้อกิจการ ได้รับ ข้อเสนอแยกกันสี่ครั้ง มูลค่าสูงถึง 300,000 ดอลลาร์แต่ละครั้ง สำหรับข้อมูลการสื่อสารทางธุรกิจภายในของตน เช่น รายงานการประชุมและอีเมล หลังจากเซ็นสัญญาซื้อขาย และรายงานว่าปฏิเสธข้อเสนอทั้งหมด

อัตราตลาดในวงกว้าง ซึ่งรายงานโดย Reuters ในปี 2024 ให้ความรู้สึกถึงมูลค่าต่อหน่วย: ประมาณ 0.001 ดอลลาร์ต่อคำ สำหรับข้อความ, 1 ถึง 2 ดอลลาร์ต่อภาพ, 2 ถึง 4 ดอลลาร์ต่อวิดีโอสั้น, และ 100 ถึง 300 ดอลลาร์ต่อชั่วโมง สำหรับภาพยนตร์หรือวิดีโอที่ยาวขึ้น

SimpleClosure บริษัทเลิกกิจการสตาร์ทอัพ ได้ประมวลผลธุรกรรมดังกล่าวเกือบ 100 รายการในปีที่ผ่านมา โดยมีการจ่ายเงินตั้งแต่ 10,000 ถึง 100,000 ดอลลาร์ต่อบริษัท แพลตฟอร์ม 'Asset Hub' ของบริษัทช่วยให้ผู้ก่อตั้งล้างข้อมูลที่สามารถระบุตัวตนได้ (PII) ออกจากข้อมูลก่อนอนุญาตให้ใช้สิทธิ์ แม้ว่าประสิทธิภาพและความสม่ำเสมอของการไม่เปิดเผยตัวตนนี้จะยังไม่แน่นอนและกลายเป็นประเด็นที่ถกเถียงกันมากขึ้น

การเดิมพัน 1.5 พันล้านดอลลาร์ของ Anthropic กับหนังสือ: การยุติคดี Project Panama

ความยาวนานที่บริษัท AI เต็มใจจะไปเพื่อรักษาความปลอดภัยให้กับข้อมูลฝึก ปรากฏให้เห็นในคดีพิเศษของ Project Panama โปรแกรมลับภายในของ Anthropic เพื่อสร้างชุดข้อมูลฝึกหนังสือขนาดใหญ่

โครงการนี้มีสองแนวทาง อย่างแรก Anthropic ซื้อหนังสือเล่มจริง ตัดสันหนังสือ และสแกนหน้าต่อหน้าอย่างทำลายล้าง แปลงเป็น PDF ที่ค้นหาได้ และทิ้งต้นฉบับกระดาษ เป้าหมาย: แปลงหนังสือได้ถึง 2 ล้านเล่มในหกเดือน บันทึกภายในแนะนำให้ใช้ชื่อรหัส "เพราะเราไม่ต้องการให้เป็นที่รู้ว่าเรากำลังทำสิ่งนี้อยู่"

ประการที่สอง บริษัทดาวน์โหลดไฟล์ ebook ละเมิดลิขสิทธิ์มากกว่า 7 ล้านไฟล์ จากห้องสมุดเงา รวมถึง LibGen และ Pirate Library Mirror แนวทางนี้นำไปสู่คดีความแบบกลุ่มที่ยื่นฟ้องในปี 2024 โดยนักเขียน Andrea Bartz, Kirk Wallace Johnson และ Charles Graeber ซึ่งกล่าวหาว่า Anthropic ใช้หนังสือละเมิดลิขสิทธิ์เกือบครึ่งล้านเล่มเพื่อฝึก Claude

เมื่อ วันที่ 20 กรกฎาคม 2026 ผู้พิพากษาของรัฐบาลกลางในซานฟรานซิสโกได้อนุมัติการยุติคดีด้วยมูลค่า 1.5 พันล้านดอลลาร์สหรัฐฯ ซึ่งเป็นการจ่ายค่าลิขสิทธิ์ที่ใหญ่ที่สุดเท่าที่เคยมีมาในประวัติศาสตร์สหรัฐฯ นักเขียนและสำนักพิมพ์มากกว่า 500,000 รายเป็นส่วนหนึ่งของคดีแบบกลุ่ม และพวกเขาจะได้รับเงินประมาณ 3,000 ดอลลาร์ต่องานที่มีสิทธิ์

ที่สำคัญ ศาลได้แยกความแตกต่างทางกฎหมายซึ่งมีนัยสำคัญต่อการฝึก AI การใช้ ebook ละเมิดลิขสิทธิ์ ถือเป็นการละเมิดและทำให้เกิดการยุติคดี แต่การซื้อ หนังสือเล่มจริงและสแกนภายในอย่างทำลายล้าง เพื่อฝึกฝน ถือว่าอาจเข้าข่ายเป็น fair use เนื่องจากหนังสือแต่ละเล่มถูกแทนที่ด้วยสำเนาดิจิทัลเพียงชุดเดียวในกระบวนการที่ศาลเรียกว่า 'เปลี่ยนแปลงอย่างยิ่ง' เงิน 1.5 พันล้านดอลลาร์ครอบคลุมความรับผิดสำหรับหนังสือละเมิดลิขสิทธิ์ โครงการทำลายหนังสือเล่มจริงไม่ถูกลงโทษ

ความท้าทายที่เกิดขึ้นใหม่: การไม่เปิดเผยตัวตนและต้นทุน

ในขณะที่บริษัทต่าง ๆ รีบเร่งสร้างรายได้จากข้อมูลภายใน ปัญหาสำคัญยังคงอยู่ ประสิทธิผลของการไม่เปิดเผยข้อมูลโดยนายหน้าเช่น SimpleClosure ยังไม่แน่นอนและกลายเป็นประเด็นที่ถกเถียงกันมากขึ้น ข้อความ Slack และอีเมลของพนักงานมีข้อมูลส่วนบุคคลและข้อมูลที่ละเอียดอ่อน และยังไม่ชัดเจนว่าเทคนิคการลบข้อมูลในปัจจุบันเพียงพอที่จะป้องกันการระบุตัวตนซ้ำได้หรือไม่

ในขณะเดียวกัน ค่าใช้จ่ายในการฝึกก็พุ่งสูงขึ้น การฝึกโมเดลระดับ GPT-4 หนึ่งครั้งอาจมีค่าใช้จ่าย 100 ล้านดอลลาร์ขึ้นไป เมื่อข้อมูลสาธารณะคุณภาพสูงหมดลง ต้นทุนรวมของการอนุญาตให้ใช้ข้อมูลองค์กรที่มีกรรมสิทธิ์ การจ่ายค่าปรับครั้งใหญ่เช่น 1.5 พันล้านดอลลาร์ของ Anthropic และการสร้างไปป์ไลน์ข้อมูลสังเคราะห์ ล้วนเพิ่มสูงขึ้นอย่างมาก ตลาดชุดข้อมูลฝึก AI ในวงกว้างคาดว่าจะเติบโตอย่างรวดเร็ว จากประมาณ 3.6 พันล้านดอลลาร์ในปี 2025 เป็น 23 พันล้านดอลลาร์ภายในปี 2034 เนื่องจากการอนุญาตให้ใช้ข้อความของมนุษย์กลายเป็นสินทรัพย์ประเภทหนึ่งที่มีพิธีการ

สิ่งนี้หมายถึงอะไรสำหรับข้อมูลของคุณ

สำหรับผู้ใช้ทั่วไป ภูมิทัศน์ได้เปลี่ยนไปแล้ว ณ ช่วงปลายปี 2025 ทั้ง OpenAI และ Anthropi ต่างเปลี่ยนนโยบายเริ่มต้นให้อนุญาตให้ฝึกบนแชทระดับผู้บริโภค (ChatGPT Free และ Plus, Claude Free, Pro, และ Max) เว้นแต่ผู้ใช้จะเลือกไม่ใช้ด้วยตนเอง ลูกค้าองค์กรและ API ยังคงถูกแยกออกจากการฝึกโดยค่าเริ่มต้นภายใต้ข้อตกลงการประมวลผลข้อมูล

ข้อความชัดเจน: ในการแข่งขันเพื่อป้อนข้อมูลที่มนุษย์สร้างขึ้นให้กับ AI ที่หิวโหยไม่รู้จักพอ เส้นแบ่งระหว่างสาธารณะและส่วนตัว ส่วนบุคคลและเชิงพาณิชย์ กำลังถูกวาดขึ้นใหม่—ครั้งละหนึ่งคลังข้อมูล Slack