micro1 gastará 1000 millones de dólares en comprar datos corporativos para entrenar agentes de IA

micro1, empresa que suministra datos para entrenar IA, anunció el viernes que en los próximos 12 meses gastará 1000 millones de dólares en comprar y licenciar datos operativos de otras compañías. El capital lo aportan Citi y Hercules Capital, y el dinero pasará por el programa Company Data Partnerships. micro1 utiliza los datos corporativos anonimizados para construir materiales de aprendizaje por refuerzo (reinforcement learning), la técnica en la que se sustentan los agentes de IA actuales.

Qué compra exactamente micro1

No se trata de textos de internet ni de imágenes etiquetadas. Los datos operativos son el rastro del trabajo real de una empresa: cómo los empleados tramitan solicitudes, ejecutan pagos, cierran tickets, rellenan el CRM y aprueban documentos. Para un agente que debe ejecutar por sí mismo este tipo de cadenas de acciones, ese material resulta más útil que cualquier corpus de artículos, porque muestra no solo el resultado, sino también el orden de los pasos, las excepciones y los errores.

Según el anuncio tal como lo recoge la fuente, los datos pasan por un proceso de desidentificación. El fragmento disponible no detalla el procedimiento, ni los sectores, ni los participantes del programa.

Por qué los datos se han convertido en una partida presupuestaria propia

El corpus público de la web para los grandes modelos está, en su mayor parte, agotado, y las mejoras de calidad provienen cada vez más del ajuste fino en tareas acotadas con un resultado verificable. Así funciona precisamente el aprendizaje por refuerzo: el agente actúa en un entorno, recibe una señal de éxito o fracaso y corrige su comportamiento. Ese entorno hay que construirlo a partir de algo, y los procesos de trabajo reales de las empresas sirven mejor para ello que los datos sintéticos.

Por eso los laboratorios y contratistas como micro1 buscan fuentes que no están en abierto. Los 1000 millones de dólares anunciados para un año dan una idea de la escala: los datos, antes un subproducto del negocio, se convierten en una mercancía con precio propio.

Parámetros clave del acuerdo

• Volumen: 1000 millones de dólares
• Plazo: 12 meses
• Comprador: micro1, San Francisco
• Financiación: Citi y Hercules Capital
• Mecanismo: programa Company Data Partnerships
• Formato de los datos: datos operativos anonimizados de empresas
• Finalidad: materiales para aprendizaje por refuerzo, agentes

La participación de Citi y Hercules Capital también es significativa. Se trata de un banco y de un prestamista de capital riesgo, es decir, la compra de datos se financia en la práctica con deuda y capital estructurado. Este esquema parte de la premisa de que los datos generarán ingresos antes de que haya que devolver el dinero.

Qué conviene revisar si se plantea vender datos

Las empresas que acumulan logs de trabajo e historiales de operaciones obtienen una nueva vía de monetización, pero también riesgos. La primera cuestión es la calidad de la anonimización: eliminar nombres y números no garantiza que, combinando indicios indirectos, no se pueda reconstruir la identidad de un cliente o contraparte. La segunda son los derechos: los contratos con clientes y socios pueden prohibir la cesión de datos a terceros, incluso anonimizados. La tercera son las condiciones de la licencia: plazo, posibilidad de revocación y derecho del comprador a entrenar modelos que luego compitan con el propio vendedor.

Para los equipos que construyen agentes, la conclusión es más sencilla. La competencia se desplaza del tamaño del modelo al acceso a procesos reales, y la escasez de datos influirá más en los precios que la escasez de capacidad de cómputo. Conviene decidir de antemano qué datos propios se está dispuesto a licenciar y cuáles constituyen una ventaja competitiva y deben quedarse dentro de la empresa.