Mercor, Micro1 и Handshake скупают рабочие файлы и почту для обучения ИИ

Автор рассылки Backchannel издания Wired рассказывает, что ему стали приходить необычные предложения. Некто Ник писал, что ИИ-лаборатории вроде Anthropic и OpenAI платят медиакомпаниям вроде Wired от $350 тыс. до $1,8 млн единовременно за копию старых рабочих записей (документы, письма, сообщения в Slack, тикеты) для обучения моделей. Второе письмо добавило в список расшифровки звонков и подняло планку до возможных $2 млн; его автор по имени Кора утверждала, что публичные данные исчерпаны, а лаборатории тратят более $45 млрд на закрытые данные. Все эти цифры взяты из рекламных писем и автором не проверены.
Изучив вопрос, автор пришёл к выводу, что отрасль гораздо крупнее, чем он думал. Покупкой рабочих процессов крупных компаний занимаются Handshake, Micro1 и Mercor, а за ними тянутся новые стартапы. Фрилансер недавно рассказала, что Handshake предложил ей $1000 за работу над одним материалом (она отказалась). Представитель Handshake подтвердил предложение: компания лицензирует профессиональные документы из разных областей, чтобы лаборатории тестировали и обучали модели на реальной интеллектуальной работе, и журналистика, одна из таких областей. По словам Handshake, значительная часть бизнеса, покупка работ и курсовых аспирантов. Другая компания, Sunset, помогает стартапам закрываться и сама очищает и обезличивает данные, а затем продаёт их лабораториям.
Лидер отрасли, Mercor, основанная в 2023 году; её трое сооснователей в прошлом году стали миллиардерами в 22 года. Компании заявляют о партнёрстве почти со всеми крупными ИИ-лабораториями, но сами лаборатории отвечают осторожнее: Anthropic признаёт большой рынок данных, но говорит, что не покупает рабочие данные у действующих компаний вроде Wired. OpenAI до публикации не ответила. Гендиректор Mercor Брендан Фуди объяснил, что компания начинала как сервис ИИ-рекрутинга, а потом выяснила, что лаборатории недовольны качеством данных: эксперты, нанятые имитировать рабочие процессы, не передавали хаос реального бизнеса. У крупного ИИ, по его словам, две ненасытные потребности, вычислительные мощности и данные. Персональные данные Mercor удаляет при передаче, и, по словам Фуди, обезличивание можно проверить.
Гендиректор Micro1 Али Ансари, основавший компанию в 2022 году, говорит, что лаборатории, корпорации и робототехнические компании сегодня платят за данные около $40-50 млрд в год (автор проверить это не смог), а через два-четыре года рынок превысит триллион долларов в год. Micro1 использует купленное в основном для собственных моделей, но продаёт и крупным ИИ-компаниям. Ансари заявил, что около половины стартапов Y Combinator, это компании по данным; автор уточняет, что их даже больше: в последнем наборе 40 из 65.
Наглядно дикий запад этого рынка проявился, когда обанкротившаяся авиакомпания Spirit Airlines выставила на продажу цифровые активы: 80 000 почтовых ящиков, 500 млн внутренних сообщений, 20,6 млн файлов Microsoft Sharepoint и миллион записей учёта рабочего времени. Google, по всей видимости, выиграл со ставкой $10 млн, но Micro1 перебила её на $2,5 млн, и начался спор о том, кто победитель. Сейчас продажа приостановлена: профсоюз бортпроводников заявил, что сделка затрагивает их личные данные. Центр электронной информационной приватности (EPIC) подал в поддержку бортпроводников заключение «друга суда» (amicus brief).
Критики сомневаются в обезличивании. Юрисконсульт EPIC Майю Тобин-Миядзи говорит, что неясно, избавляет ли анонимизация от проблем с приватностью: в письмах и сообщениях Teams много неструктурированных данных, их труднее очистить, а там могут обсуждаться визиты к врачу и семейные дела. Венчурный инвестор Гордон Риттер, взявшийся за тему как за дело жизни, считает, что нормы и стандарты получения данных не установлены, а ИИ-отрасль движется быстрее способности их установить, отчасти намеренно. Автор называет самым тревожным то, что работников вовлекают, не всегда с явного согласия, в усилие, конечная цель которого, заменить или автоматизировать их труд. Президент профсоюза бортпроводников сказал в интервью, что эти данные стали ценными только в эпоху ИИ, чтобы обучать модели заменять рабочие места.
На вопрос, станет ли продажа рабочих данных ИИ-компаниям нормой, Ансари ответил утвердительно: по его мнению, это станет для компаний более распространённой статьёй дохода, чем реклама. Возражения работников, считает он, будут преодолимы, потому что люди поймут, что плоды их труда дают лучшие модели и облегчают им жизнь. Автор иронизирует, что будущее изобилие от ИИ удобно оправдывает любые компромиссы.
На одно из холодных предложений автор откликнулся: в разговоре с Джоной Стилманом, «главой по коммерциализации» двухлетней компании Tenkara, выяснилось, что компании нужны данные для ИИ-модели, управляющей офисными процессами производственных компаний; чем помогут архивы Wired, автор не понял. Он подчёркивает, что не уполномочен продавать документацию редакционного процесса Wired и ничего не предлагал.
Ключевые факты
- Стартапы-посредники рассылают медиакомпаниям предложения продать старые документы, письма и Slack для обучения ИИ; в письмах называют от $350 тыс. до $1,8 млн и до $2 млн, цифры автором не проверены.
- Лидеры отрасли, Handshake, Micro1 и Mercor; глава Micro1 Али Ансари оценивает рынок данных в $40-50 млрд в год (автор проверить не смог) и прогнозирует более триллиона долларов в год через два-четыре года.
- Продажа цифровых активов банкрота Spirit Airlines (80 000 почтовых ящиков, 500 млн сообщений, 20,6 млн файлов Sharepoint) приостановлена после претензии профсоюза бортпроводников о личных данных; Google предложил $10 млн, Micro1 перебила ставку на $2,5 млн.
- Компании уверяют, что личные данные удаляются, но юрисконсульт EPIC Майю Тобин-Миядзи сомневается, что анонимизация полностью снимает риски приватности.
- Anthropic заявила, что не покупает рабочие данные у действующих компаний вроде Wired; OpenAI до публикации не ответила.
Почему это важно
Рынок «частных» данных для обучения нейросетей, по словам его участников, может влиять на работников и общество не меньше, чем дата-центры. Если публичные данные исчерпаны, как утверждает одно из писем, ценными становятся рабочие документы, переписка и внутренние сообщения компаний. Дело Spirit Airlines показало, что эту торговлю уже сталкивают с вопросами приватности и труда: продажа остановилась из-за претензии профсоюза.
Кому это важно
Руководителям компаний и стартапов, которым предлагают монетизировать архивы или данные при закрытии бизнеса. Сотрудникам, чьи письма и сообщения могут оказаться в таких наборах. Юристам и специалистам по защите персональных данных. Медиакомпаниям и авторам, получающим подобные предложения. Тем, кто следит за рынком данных для ИИ и его участниками: Mercor, Micro1, Handshake, Sunset.
Как это применить
Прямой инструкции в материале нет. Из него следует практический ориентир: прежде чем отвечать на такое предложение, выяснить, вправе ли компания вообще продавать рабочие записи и затрагивают ли они личные данные сотрудников. Автор сам отметил, что не уполномочен продавать документацию редакционного процесса Wired, и ничего не предлагал. Цены из холодных писем и цифры по размеру рынка стоит считать неподтверждёнными.
Можно ли доверять
Материал, рассылка Backchannel издания Wired от первого лица, с интервью участников рынка и репортёрскими наблюдениями. Цифры $350 тыс., $1,8 млн, $2 млн и $45 млрд взяты из рекламных писем и не проверены; оценку рынка в $40-50 млрд автор тоже проверить не смог. Выгоды от продажи данных описывают сами её участники. Anthropic отрицает покупку рабочих данных у действующих компаний, OpenAI не ответила. Даты продажи Spirit Airlines, ставок и претензии профсоюза в тексте не указаны.
Риски и подводные камни
Анонимизация может не убрать личное: в неструктурированных письмах и сообщениях бывают упоминания врачей и семейных проблем. Нормы и стандарты получения данных, по словам инвестора Гордона Риттера, не установлены. Работников могут вовлекать без явного согласия в создание систем, которые затем заменят их труд. Ансари считает возражения преодолимыми, но профсоюз бортпроводников показал, что они способны остановить сделку. Исход продажи Spirit Airlines и сроки приостановки в тексте не названы.
«Думаю, это станет для компаний более распространённой статьёй дохода, чем реклама.»
— Али Ансари, гендиректор Micro1, о продаже рабочих данных ИИ-компаниям