Newsletter Subscribe
Enter your email address below and subscribe to our newsletter
[forminator_form id="25163"]

news.sbsnews.sbssiliconcanals+1Desarrolladores de IA como OpenAI y Anthropic están comprando cada vez más datos corporativos internos, como chats de empleados, correos electrónicos, grabaciones de videoconferencias e historiales de cambios de código, a medida que el suministro de texto público en internet se acerca al agotamiento, según un informe de The Information publicado el 13 de agosto que cita a unas 20 fuentes, incluidos fundadores de startups y expertos de la industria.news.sbs
La demanda de datos de comunicación empresarial se ha intensificado en los últimos meses, impulsada por la carrera para crear agentes de IA capaces de realizar tareas reales como atención al cliente y verificación de facturas. Bobby Samuels, CEO de la startup de corretaje de datos Protege, dijo a The Information que el volumen bruto de transacciones de su empresa ha pasado de 30 millones de dólares el año pasado a al menos 100 millones este año.news.sbs
Los compradores de datos se dirigen principalmente a startups que enfrentan la quiebra o una adquisición. Warmly, una startup de agentes de IA adquirida recientemente por HubSpot , recibió supuestamente cuatro ofertas separadas de hasta 300.000 dólares por sus minutas de reuniones internas y correos electrónicos tras firmar su acuerdo de adquisición, pero las rechazó todas. Los registros de interacciones humanas reales, como desarrolladores resolviendo problemas por correo, directores financieros discutiendo el rendimiento financiero o videos de demostración de software, se consideran material de entrenamiento esencial para los sistemas de IA de próxima generación.news.sbs
Esta ola de compras refleja una limitación estructural. Epoch AI estima que el stock efectivo de texto de calidad escrito por humanos asciende a unos 300 billones de tokens y podría ser consumido totalmente por los modelos de vanguardia entre 2026 y 2032. Bajo supuestos de entrenamiento más agresivos, ese plazo podría reducirse hasta 2027. El texto humano nuevo sigue apareciendo en línea, pero su tasa de crecimiento es mucho más lenta que la expansión de los conjuntos de datos de entrenamiento de IA.siliconcanals+3
La lucha por datos privados sigue a un periodo de controversia sobre cómo las empresas de IA han obtenido material de entrenamiento. La iniciativa interna "Project Panama" de Anthropic implicó la compra de libros protegidos por derechos de autor, la eliminación de sus encuadernaciones para escanearlos y la posterior destrucción de las copias físicas. Un juez federal en San Francisco aprobó un acuerdo de demanda colectiva de 1.500 millones de dólares en julio sobre el programa. Como informó The Washington Post, un documento de planificación interna desclasificado describió el esfuerzo como un intento "de escanear destructivamente todos los libros del mundo".reuters+1
Dado que la desidentificación de conjuntos de datos corporativos surge como un desafío importante, Shub Sinha, CEO de la firma de procesamiento de datos Integral, dijo que su empresa está llevando a cabo "un riguroso proceso de anonimización para mantener el valor de los datos mientras se cumple con las regulaciones de privacidad". El mercado en expansión de texto privado señala que los costos de entrenamiento, antes dominados por la computación, se están convirtiendo en una partida cada vez más importante para los desarrolladores de IA.news.sbs