Empresas de IA ofrecen hasta USD 2 millones por los correos y archivos internos de otras compañías

Intermediarios de datos ofrecen entre USD 350.000 y USD 1,8 millones a empresas por copias de sus correos, documentos y mensajes internos para entrenar IA, según un reportaje de la revista Wired publicado el 6 de noviembre. Otro mensaje elevó la oferta a USD 2 millones si se incluían transcripciones de llamadas.

El autor del reportaje, Steven Levy, recibió esas propuestas de desconocidos. Uno afirmaba que Anthropic y OpenAI pagan esas sumas a medios de comunicación por sus registros antiguos de trabajo. Otro sostenía que los laboratorios gastan más de USD 45.000 millones en datos privados. Las cifras provienen de los propios vendedores.

Anthropic dijo a Wired que existe un gran mercado de datos, pero que no compra flujos de trabajo de empresas activas como la revista. OpenAI no respondió antes de la publicación.

Handshake, una de las empresas del sector, confirmó que ofreció USD 1.000 a una periodista independiente por un solo artículo. Un portavoz explicó que licencia documentos profesionales para que los laboratorios prueben cómo los modelos manejan el trabajo con conocimiento, y que buena parte de su negocio son trabajos de estudiantes de posgrado.

Un mercado de hasta USD 50.000 millones, según sus ejecutivos

Mercor, Micro1 y Handshake lideran el negocio. Mercor, fundada en 2023, nació como empresa de reclutamiento con IA. Su director ejecutivo, Brendan Foody, dijo a Wired que los laboratorios estaban insatisfechos con la calidad de los datos: contratar expertos para simular tareas no captaba el desorden de una empresa real.

Foody afirmó que Mercor elimina los datos personales antes de recibir la información y que esa limpieza se puede verificar. Los tres cofundadores de la compañía se convirtieron en multimillonarios a los 22 años, informó la revista.

El director ejecutivo de Micro1, Ali Ansari, estimó que laboratorios, empresas y compañías de robótica pagan hoy entre USD 40.000 y USD 50.000 millones al año por datos. Wired no pudo verificar la cifra. Ansari proyectó que el mercado superará el billón de dólares anuales en dos a cuatro años, y que vender datos de trabajo será más común que la publicidad como línea de ingresos de las empresas.

Según Wired, en el último grupo de la aceleradora Y Combinator, 40 de las 65 empresas lanzadas son startups de datos.

Spirit Airlines, el caso que frenó una venta

El mercado quedó expuesto cuando Spirit Airlines, en quiebra, puso a la venta sus activos digitales: 80.000 cuentas de correo, 500 millones de mensajes internos, 20,6 millones de archivos de Microsoft SharePoint y un millón de registros de horarios.

Google parecía haber ganado con una oferta de USD 10 millones, pero Micro1 la superó por USD 2,5 millones y surgió una disputa sobre quién era el ganador.

Hoy la operación está en pausa. El sindicato de auxiliares de vuelo, la Asociación de Auxiliares de Vuelo (AFA-CWA), denunció que la venta incluye información privada de sus afiliadas. Según Fortune, el sindicato presentó una objeción ante el tribunal de quiebras del Distrito Sur de Nueva York, donde sostiene que los datos de los empleados tienen menos protección que los de los clientes.

Google respondió a Fortune que no recibirá información personal del conjunto de datos. El sindicato aclaró en su escrito que no busca anular la subasta, sino eliminar los datos que permitan identificar a los empleados.

Mayu Tobin-Miyaji, asesora legal del Centro de Información sobre Privacidad Electrónica (EPIC), que presentó un escrito en apoyo del sindicato, advirtió que no está claro que el anonimato resuelva todo: los correos y mensajes contienen datos sin estructura, como citas médicas o problemas familiares. La presidenta del sindicato, Sara Nelson, afirmó que se trata de datos valiosos para entrenar modelos que reemplacen empleos.

El inversor Gordon Ritter dijo que no se han fijado normas para la compra de datos y que la industria avanza más rápido que la capacidad de regularla. Hasta la publicación del reportaje, la venta de los datos de Spirit seguía en suspenso.