Empresas de IA buscam agressivamente dados corporativos e de mídia para treinamento de modelos

Grandes laboratórios de inteligência artificial, incluindo Anthropic e OpenAI, estão supostamente pagando a organizações de mídia somas substanciais, variando de $350 mil a $1,8 milhão, para acesso a dados históricos proprietários, como e-mails e documentos. Algumas propostas chegaram a ofertas de até $2 milhões, impulsionadas pelos gastos relatados da indústria de mais de $45 bilhões em dados privados para aprimorar as capacidades dos modelos. Esta explosão na aquisição de dados envolve startups especializadas, como a Handshake, que pagou a uma escritora freelancer $1.000 pelo seu trabalho, e a Sunset, que auxilia empresas em processo de encerramento, anonimizando seus dados para laboratórios de IA. Líderes do setor, como a Mercor, fundada em 2023, estão adquirindo rapidamente bancos de dados, com seus cofundadores se tornando bilionários no ano passado. O CEO da Mercor, Brendan Foody, afirmou que o mercado está preparado para um crescimento explosivo, enfatizando que a coleta de dados é tão crucial quanto o poder computacional. O CEO da Micro1, Ali Ansari, prevê que o mercado de dados pode ultrapassar um trilhão de dólares em dois a quatro anos. Embora a Mercor afirme que os dados são desidentificados para proteger a privacidade, críticos como Mayu Tobin-Miyaji do Electronic Privacy Information Center alertam que dados não estruturados nas comunicações ainda podem representar riscos de privacidade. Essa prática tem atraído escrutínio, notadamente durante a venda de ativos da Spirit Airlines, onde uma federação de comissárias de bordo se opôs à inclusão de informações privadas.