OpenAI og Anthropic kjøper bedriftsdata for å trene KI

KI-utviklere som OpenAI og Anthropic kjøper i økende grad interne bedriftsdata, inkludert ansattes chatter, e-poster, videoopptak fra møter og historikk over kodeendringer, ettersom tilgangen på offentlig tilgjengelig internett-tekst nærmer seg slutten. Dette kommer frem i en rapport fra The Information publisert 13. august, som siterer rundt 20 kilder, inkludert grunnleggere av oppstartsselskaper og innsidere i databransjen.news.sbs

Et voksende marked for bedriftsdata

Etterspørselen etter kommunikasjonsdata fra bedrifter har skutt i været de siste månedene, drevet av kappløpet om å bygge KI-agenter som kan utføre praktiske oppgaver som kundeservice og fakturakontroll. Bobby Samuels, administrerende direktør i datameglerselskapet Protege, fortalte The Information at selskapets brutto transaksjonsvolum har økt fra 30 millioner dollar i fjor til minst 100 millioner dollar i år.news.sbs

Datakjøpere retter seg primært mot oppstartsselskaper som står overfor konkurs eller oppkjøp. Warmly, en oppstartsvirksomhet innen KI-agenter som nylig ble kjøpt opp av HubSpot ↘ 6.81%, skal ha mottatt fire separate tilbud på opptil 300 000 dollar for å selge sine interne møtereferater og e-poster etter at oppkjøpsavtalen var signert, men takket nei til alle. Opptak av faktiske menneskelige interaksjoner, som utviklere som løser problemer via e-post, økonomidirektører som diskuterer resultater, eller videodemonstrasjoner av programvare, anses som essensielt treningsmateriale for neste generasjons KI-systemer.news.sbs

Datamuren nærmer seg

Kjøpsbølgen reflekterer en strukturell begrensning. Epoch AI anslår at den effektive beholdningen av kvalitetstekst skrevet av mennesker utgjør omtrent 300 billioner tokens, og at denne kan være fullstendig brukt opp av avanserte modeller mellom 2026 og 2032. Med mer aggressive antakelser om trening kan denne tidslinjen krympe til så tidlig som 2027. Ny menneskeskapt tekst dukker stadig opp på nettet, men vekstraten er langt lavere enn utvidelsen av KI-treningsdatasett.siliconcanals+3

Bøker, søksmål og økende kostnader

Kampen om private data følger en periode med kontroverser rundt hvordan KI-selskaper har skaffet seg treningsmateriale. Anthropics interne initiativ, "Project Panama", innebar kjøp av opphavsrettsbeskyttede bøker, fjerning av innbindingen for skanning, og påfølgende destruksjon av de fysiske kopiene. En føderal dommer i San Francisco godkjente i juli et forlik i et gruppesøksmål på 1,5 milliarder dollar knyttet til programmet. Som The Washington Post rapporterte, beskrev et internt planleggingsdokument forsøket som et forsøk på å "destruktivt skanne alle bøkene i verden".reuters+1

Ettersom anonymisering av bedriftsdatasett fremstår som en stor utfordring, sier Shub Sinha, administrerende direktør i databehandlingsselskapet Integral, at selskapet hans gjennomfører "en streng anonymiseringsprosess for å opprettholde datakvaliteten samtidig som personvernregler overholdes". Det voksende markedet for privat tekst signaliserer at treningskostnader, som tidligere var dominert av beregningskraft, blir en stadig viktigere utgiftspost for KI-utviklere.news.sbs