ИИ-компании очень хотят купить ваши рабочие файлы и письма

За что платят посредники

Автору Wired стали приходить предложения продать рабочие архивы. В одном письме утверждалось, что Anthropic и OpenAI платят медиакомпаниям от $350 тыс. до $1,8 млн единовременно за копии старых документов, писем, сообщений в Slack и заявок в системах поддержки. Другое предложение включало расшифровки звонков и допускало выплату до $2 млн. Его отправительница Кора заявляла, что общедоступные данные уже исчерпаны, а лаборатории тратят на частные данные более $45 млрд.

Рынок оказался шире, чем предполагал автор. Компании собирают не только документы организаций, но и материалы отдельных специалистов. Писательнице-фрилансеру Handshake предложила $1 000 за одну статью; она отказалась. Представитель компании подтвердил предложение и объяснил, что Handshake лицензирует профессиональные документы из разных отраслей, чтобы лаборатории могли проверять и обучать модели работе с реальными профессиональными задачами. Журналистика — одна из таких областей. Значительную часть бизнеса Handshake, по словам компании, составляют покупка научных работ и учебных заданий аспирантов.

Предприниматель, знакомый автору, получал письма и от компаний, которые помогают стартапам закрыться. В одном из них компания Sunset описывала услугу так: очистить и обезличить данные, удалить сведения о компании и любые детали, позволяющие установить личности, а затем договориться о продаже материалов лабораториям.

Новые посредники стремятся повторить успех лидеров рынка — Handshake, Micro1 и Mercor. Эти компании массово скупают базы данных. Mercor, основанная в 2023 году, стала крупнейшим игроком отрасли: в прошлом году трое её сооснователей стали миллиардерами в возрасте 22 лет. Как и другие компании, Mercor заявляет о партнёрстве почти со всеми крупными лабораториями ИИ. Anthropic признаёт, что рынок данных велик, но сообщила Wired, что не покупает рабочие архивы действующих компаний, таких как сама Wired. OpenAI к моменту публикации не ответила.

Почему спрос растёт

Гендиректор Mercor Брендан Фуди рассказал, что компания начинала как ИИ-сервис для найма, но затем обнаружила недовольство лабораторий качеством данных. Компании нанимали специалистов, чтобы те имитировали рабочие процессы, однако такие упражнения не передавали беспорядок и сложность действующего бизнеса. По мнению Фуди, у ИИ-индустрии две ненасытные потребности — вычислительные мощности и данные. Инвестиции в первую широко обсуждаются, но сбор данных не менее важен.

Фуди считает, что опасения за приватность можно снять: когда компания передаёт данные Mercor, сервис удаляет персональные сведения, или PII. По его словам, обезличивание можно проверить. Представители других компаний, занимающихся сбором данных, тоже считают, что технические решения позволяют справиться с рисками.

Гендиректор Micro1 Али Ансари ожидает, что расходы на данные приблизятся к затратам на вычислительную инфраструктуру ИИ. По его оценке, лаборатории, предприятия и компании по робототехнике сейчас тратят на данные около $40–50 млрд в год. Автор не смог проверить эту цифру. Ансари, основавший Micro1 в 2022 году, прогнозирует, что через два–четыре года расходы превысят $1 трлн в год. Micro1 использует купленные данные преимущественно для улучшения собственных моделей, но также продаёт их крупным ИИ-компаниям.

Ансари говорит, что сейчас в сбор данных идут почти все из-за высокого спроса. Он утверждает, что около половины стартапов из акселератора Y Combinator работают с данными. В последнем наборе, уточняет автор, таких компаний было ещё больше: 40 из 65 запущенных стартапов классифицировались как компании по работе с данными.

Продажа архивов Spirit Airlines

Риски и непрозрачность рынка стали заметны после банкротства Spirit Airlines: цифровые активы компании выставили на продажу. В архив входили 80 000 почтовых учётных записей, 500 млн внутренних сообщений, 20,6 млн файлов Microsoft SharePoint и 1 млн записей учёта рабочего времени.

Google, по всей видимости, выиграла торги с предложением в $10 млн. Затем Micro1 повысила ставку на $2,5 млн, и начался спор о том, кто победил. Сейчас продажа приостановлена: профсоюз бортпроводников заявил, что в неё попала их личная информация. Этот спор ставит под вопрос саму практику продажи записей о работе людей.

Mayu Tobin-Miyaji, главный юрисконсульт Центра электронной конфиденциальности, который подал заявление в суд в поддержку бортпроводников, предупреждает: обезличивание не обязательно устраняет все риски. В письмах и сообщениях Teams есть неструктурированные сведения, которые сложнее отфильтровать. Сотрудники могут обсуждать там визиты к врачу и семейные проблемы.

Венчурный инвестор Гордон Риттер, выступающий против нынешней практики, считает, что для сбора данных ещё не установлены нормы и стандарты. По его словам, ИИ-индустрия развивается быстрее, чем общество успевает договориться о правилах, и отчасти это происходит намеренно.

Чьи данные и чья работа

Одна из главных проблем в том, что записи сотрудников могут использоваться без их явного согласия для развития технологий, способных автоматизировать их работу. Mercor называет своей целью организацию человеческого интеллекта для развития экономики ИИ. При этом, как отмечает автор, конечный результат может сократить объём работы, который останется людям.

Президент профсоюза бортпроводников заявил в интервью, что данные стали ценными в эпоху ИИ, потому что позволяют обучать модели замещать рабочие места и превращать другие части трудовой деятельности в товар.

Ансари считает, что компании со временем будут регулярно продавать крупным ИИ-разработчикам данные о своих рабочих процессах. По его прогнозу, для бизнеса это может стать более распространённым источником дохода, чем реклама. На замечание, что сотрудники могут быть недовольны передачей всего, что они делают на работе, в большие модели, Ансари ответил, что понимает это опасение. Он полагает, что сотрудники смогут принять такую практику, если она приведёт к улучшению ИИ и облегчит их жизнь. Автор замечает, что обещание будущего изобилия благодаря ИИ часто используют, чтобы оправдать уступки уже сейчас.

Предложение для Wired

Автор также проверил одно из писем, отправленное с домена gorexen.com. «Горексен» — вымышленное существо, составленное из двух покемонов; оно высасывает жидкости из добычи тонким трубчатым ртом. Отправительница организовала встречу с компанией Tenkara, основанной два года назад. Название, по предположению автора, связано с японским видом нахлыстовой рыбалки.

На встрече автор разговаривал с Джоной Стиллманом, руководителем коммерческого направления. Tenkara собирала данные, чтобы улучшить модель для управления офисными процессами производственных компаний. Как архив Wired мог бы помочь этой задаче, осталось неясно. Стиллман подтвердил, что значительная часть его работы — такие звонки с целью купить данные. Автор сравнил встречу с фильмом «Гленгарри Глен Росс», но Стиллман не понял отсылку.

Автор не уполномочен продавать ИИ-компаниям документы о редакционной работе Wired и не стал рисковать работой, предлагая архив Стиллману и Tenkara. Он также был бы недоволен, если бы руководство всё же согласилось на сделку.

По оценке Dataist, рынок рабочих данных растёт быстрее, чем складываются правила согласия и защиты личной информации. Даже если компании удаляют прямые идентификаторы, примеры Spirit Airlines показывают, что спор может возникнуть уже вокруг самого состава архива и права сотрудников на его продажу. А обещание, что ИИ облегчит работу, не снимает вопроса о том, кто решает, как использовать записи работников и кому достаётся выгода.