Las empresas de IA buscan agresivamente datos corporativos y de medios para el entrenamiento de modelos

Los principales laboratorios de inteligencia artificial, incluidos Anthropic y OpenAI, supuestamente están pagando a las organizaciones de medios importantes sumas sustanciales, que oscilan entre los 350.000 y los 1,8 millones de dólares, por el acceso a datos históricos y propietarios, como correos electrónicos y documentos. Algunas propuestas han llegado a ofertas de hasta 2 millones de dólares, impulsadas por el gasto reportado de la industria en datos privados de más de 45.000 millones de dólares para mejorar las capacidades de los modelos. Esta explosión en la adquisición de datos involucra a empresas especializadas como Handshake, que ofreció a una escritora freelance 1.000 dólares por su trabajo, y Sunset, que ayuda a las empresas en liquidación a anonimizar sus datos para los laboratorios de IA. Líderes de la industria como Mercor, fundada en 2023, están adquiriendo rápidamente bases de datos, y sus cofundadores se han convertido en multimillonarios el año pasado. El CEO de Mercor, Brendan Foody, afirmó que el mercado está destinado a un crecimiento explosivo, enfatizando que la recopilación de datos es tan crucial como el poder de cómputo. Ali Ansari, CEO de Micro1, proyecta que el mercado de datos anual podría superar los mil millones de dólares en dos o cuatro años. Si bien Mercor afirma que los datos se desidentifican para proteger la privacidad, críticos como Mayu Tobin-Miyaji del Electronic Privacy Information Center advierten que los datos no estructurados en las comunicaciones aún pueden plantear riesgos de privacidad. Esta práctica ha generado escrutinio, particularmente durante la venta de activos de Spirit Airlines, donde un sindicato de auxiliares de vuelo se opuso a la inclusión de información privada.