OpenAI ja Anthropic ostavat yritysten chat- ja sähköpostidataa tekoälyn kouluttamiseen

Tekoälykehittäjät, kuten OpenAI ja Anthropic, ostavat yhä enemmän yritysten sisäistä dataa, kuten työntekijöiden chat-viestejä, sähköposteja, videoneuvottelujen tallenteita ja koodin muutoshistoriaa, kun julkisesti saatavilla oleva internet-teksti on ehtymässä. Tiedot käyvät ilmi The Informationin 13. elokuuta julkaisemasta raportista, joka perustuu noin 20 lähteeseen, mukaan lukien startup-yrittäjät ja alan sisäpiiriläiset.news.sbs

Yritystiedon markkinat kasvavat

Yritysten viestintädatan kysyntä on kiihtynyt viime kuukausina, mikä johtuu kilpailusta sellaisten tekoälyagenttien kehittämiseksi, jotka kykenevät suorittamaan todellisia tehtäviä, kuten asiakaspalvelua ja laskujen tarkistusta. Datavälitykseen erikoistuneen startup-yritys Protegen toimitusjohtaja Bobby Samuels kertoi The Informationille, että yrityksen transaktiovolyymi on kasvanut viime vuoden 30 miljoonasta dollarista vähintään 100 miljoonaan dollariin tänä vuonna.news.sbs

Datan ostajat kohdistavat katseensa erityisesti konkurssin partaalla oleviin tai yrityskaupan kohteena oleviin startup-yrityksiin. HubSpotin ↘ 6.81% hiljattain ostama tekoälyagentti-startup Warmly sai tiettävästi neljä erillistä, jopa 300 000 dollarin arvoista tarjousta sisäisistä kokousmuistioistaan ja sähköposteistaan yrityskaupan allekirjoittamisen jälkeen, mutta kieltäytyi niistä kaikista. Ihmisten välisten vuorovaikutusten tallenteita, kuten kehittäjien sähköpostitse ratkomia ongelmia, talousjohtajien keskusteluja taloudellisesta suoriutumisesta tai ohjelmistojen esittelyvideoita, pidetään välttämättömänä koulutusmateriaalina seuraavan sukupolven tekoälyjärjestelmille.news.sbs

Datan loppuminen häämöttää

Ostovimma heijastaa rakenteellista rajoitetta. Epoch AI arvioi, että laadukkaan ihmisen kirjoittaman tekstin tehollinen varanto on noin 300 biljoonaa tokenia, ja huippumallit voivat kuluttaa sen loppuun vuosien 2026 ja 2032 välillä. Aggressiivisemmilla koulutusoletuksilla aikataulu voi aikaistua jopa vuoteen 2027. Uutta ihmisen kirjoittamaa tekstiä ilmestyy verkkoon jatkuvasti, mutta sen kasvuvauhti on huomattavasti hitaampaa kuin tekoälyn koulutusaineistojen laajentuminen.siliconcanals+3

Kirjat, oikeusjutut ja nousevat kustannukset

Kamppailu yksityisestä datasta seuraa kiistojen kautta, jotka koskevat sitä, miten tekoälyyritykset ovat hankkineet koulutusmateriaalia. Anthropicin sisäiseen "Project Panama" -aloitteeseen kuului tekijänoikeudella suojattujen kirjojen ostaminen, niiden selkämysten leikkaaminen skannausta varten ja fyysisten kopioiden tuhoaminen sen jälkeen. San Franciscon liittovaltion tuomari hyväksyi heinäkuussa 1,5 miljardin dollarin ryhmäkanteeseen perustuvan sovinnon ohjelmaan liittyen. Kuten The Washington Post raportoi, julkistamattomassa sisäisessä suunnitteluasiakirjassa hanketta kuvailtiin yritykseksi "skannata tuhoisasti kaikki maailman kirjat".reuters+1

Koska yritysten tietoaineistojen tunnistetietojen poistaminen on nousemassa merkittäväksi haasteeksi, datankäsittely-yhtiö Integralin toimitusjohtaja Shub Sinha kertoi yrityksensä toteuttavan "tarkkaa anonymisointiprosessia datan arvon säilyttämiseksi ja tietosuojasäädösten noudattamiseksi". Yksityisen tekstin laajeneva markkina viittaa siihen, että koulutuskustannukset, joita hallitsi aiemmin laskentateho, ovat muodostumassa yhä merkittävämmäksi menoeräksi tekoälykehittäjille.news.sbs