Провідні лабораторії ШІ купують внутрішні корпоративні дані для навчання моделей
Фронтирні лабораторії штучного інтелекту скуповують внутрішні корпоративні дані, зокрема листування, треди зі Slack і транскрипти дзвінків. Ринок таких даних стрімко зростає, а засновники компаній отримують значні виплати, попри занепокоєння щодо приватності.
Провідні лабораторії штучного інтелекту, які працюють на межі можливостей технології, дедалі активніше купують внутрішні корпоративні дані для навчання своїх моделей. Попит на електронні листи, треди у Slack і транскрипти телефонних дзвінків зростає, а сам ринок такого товару описують як бурхливо розвинений. Частину цих угод укладають засновники компаній, які отримують за свої дані значні виплати.
Фронтирні лабораторії прагнуть розширити обсяг і різноманітність навчальних даних. Текстові матеріали з реальної робочої комунікації відображають те, як люди обговорюють завдання, ухвалюють рішення і шукають розв’язання проблем, тому саме вони стають цінним ресурсом для розробників великих мовних моделей. Внутрішні архіви компаній, що накопичувалися роками, через це перетворилися на предмет комерційного інтересу. Для засновників, які володіють такими архівами, продаж даних став джерелом помітних грошових надходжень.
Попит зосереджений на кількох типах матеріалів. Електронні листи відображають офіційні та неформальні домовленості між співробітниками й партнерами. Треди у Slack фіксують поточну роботу команд у режимі реального часу, зокрема обговорення помилок, змін у продуктах і ухвалених рішень. Транскрипти дзвінків, у свою чергу, містять живу розмовну мову, перебивання, уточнення та емоційні інтонації, яких часто бракує в офіційних документах. Саме така різноманітність робить їх привабливими для навчання моделей, які мають спілкуватися природно.
Водночас критики попереджають про ризики для приватності. Внутрішні переписки та записи розмов можуть містити конфіденційну інформацію про клієнтів, співробітників і внутрішні процеси компаній, тож їх продаж викликає питання щодо захисту цих даних. Опоненти практики наголошують, що такі записи часто створювалися без розрахунку на те, що їх колись передадуть стороннім покупцям. За словами критиків, регулювання такої торгівлі залишається мінімальним, а це створює простір для угод, які важко перевірити громадськості.
Попри ці застереження, ринок продовжує рости. Ключова частина неоднозначності полягає в тому, що в матеріалі не уточнюється, який саме обсяг даних продано і скільки коштують такі угоди. Не названо й загального розміру ринку. Також залишається невизначеним, чи отримують покупці чітку згоду на використання інформації від тих, хто її створив, і чи застосовують вони анонімізацію записів перед навчанням моделей. Без відповідей на ці запитання складно оцінити, наскільки поширеною є практика і які наслідки вона може мати для компаній, що продають свої архіви, та для співробітників, чиї слова опиняються в навчальних наборах.
Зростання цього сегмента ринку відбувається на тлі загальної гонки між розробниками ШІ за якісними навчальними даними. Якщо публічні тексти з інтернету вже значною мірою використані, закриті корпоративні архіви стають новим джерелом конкурентної переваги. Тому продаж внутрішніх даних, за описом джерела, розглядається як один із способів отримати матеріал, недоступний конкурентам. Водночас сама ця логіка посилює дискусію про те, хто має право розпоряджатися інформацією, створеною в робочих процесах.
Джерело: inc.com
29
