Empresas de IA ofrecen hasta 2 millones de dólares por archivos de correos y documentos de trabajo

Los correos, tickets, documentos y transcripciones de llamadas se han convertido de repente en un activo que se puede vender a los desarrolladores de IA. Los intermediarios envían a las empresas ofertas de cientos de miles e incluso millones de dólares por una copia de sus antiguos archivos de trabajo. La razón es sencilla: el internet público enseña bien a un modelo a continuar un texto, pero muestra mal cómo se toman realmente las decisiones, se corrigen los errores y se llevan los proyectos a buen término.

Un ejemplo sencillo lo ilustra. Un conjunto de datos de entrenamiento puede contener unas instrucciones ordenadas para devolver un producto. Un archivo corporativo mostrará toda la cadena: la queja del cliente, la disputa entre soporte y contabilidad, la excepción a las reglas, la aprobación de un descuento y la respuesta final. Para un modelo que debe hacer trabajo de oficina, el segundo conjunto es mucho más útil. Contiene contexto, incertidumbre y las consecuencias de las decisiones.

Por qué los archivos se han encarecido

Según WIRED, los intermediarios ofrecieron por archivos corporativos entre 350.000 dólares y 2 millones. Handshake compra por separado documentos profesionales y trabajos de estudiantes. Mercor y Micro1 recopilan datos sobre procesos de trabajo reales para entrenar y evaluar modelos.

Todavía es difícil estimar el tamaño del mercado. El director de Micro1 afirma que las empresas gastan entre 40.000 y 50.000 millones de dólares al año en datos, pero el autor de WIRED no pudo confirmar esa cifra de forma independiente. La previsión de que el mercado crezca hasta 1 billón de dólares al año tampoco es más que una declaración de un participante del mercado, no un hecho establecido.

Un caso revelador surgió durante la quiebra de Spirit Airlines. Se puso a la venta un archivo digital que incluía 80.000 cuentas de correo, 500 millones de mensajes internos, 20,6 millones de archivos de SharePoint y un millón de registros de horas trabajadas. Micro1 ofreció por él 12,5 millones de dólares. La operación se suspendió tras las objeciones del sindicato de auxiliares de vuelo: los empleados temen que, junto con los materiales de trabajo, el comprador obtenga su información personal.

La anonimización no lo resuelve todo

Los vendedores de datos aseguran que eliminan la información personal antes de entregar los archivos. Con una tabla en la que el nombre está en una columna aparte, la tarea es relativamente clara. Con correos y mensajes es más complicado. Una persona puede describir un diagnóstico, un problema familiar o un conflicto con su jefe sin indicar nunca su nombre completo. La combinación de cargo, proyecto, fecha y detalles de la conversación puede igualmente delatar al autor.

Hay además una segunda cuestión: de quién es la huella laboral de un empleado. La empresa es dueña del sistema de correo y de los documentos, pero de ello no se deduce que haya obtenido el consentimiento informado de las personas para entrenar un modelo. Resulta especialmente desagradable si el archivo se usa para automatizar las mismas profesiones cuyos representantes lo crearon.

Para los desarrolladores esto significa que la simple promesa de «hemos eliminado la PII» no basta. Hacen falta reglas verificables sobre el origen de los datos, una lista de usos permitidos, plazos de conservación y un mecanismo para eliminar los materiales de una persona concreta. Son útiles la verificación independiente de la anonimización, las pruebas de memorización de fragmentos y un registro de acceso al archivo original.

Qué debe hacer un equipo de producto

Antes de comprar o vender datos de trabajo, elabore un mapa: quién creó cada tipo de material, qué contratos estaban vigentes en ese momento y si contiene información sobre clientes, salud, finanzas o conflictos laborales. Revise por separado los adjuntos, las copias de seguridad y las citas de correos antiguos, que a menudo sobreviven a la limpieza automática.

No cargue un archivo así directamente en el entrenamiento. Primero seleccione una muestra limitada, elimine los campos innecesarios, realice una revisión manual e intente reidentificar a las personas a partir del contexto restante. Si su equipo lo logra, probablemente también lo logre un tercero.

La conclusión principal para los fundadores es simple: un archivo corporativo puede de verdad convertirse en una nueva línea de ingresos, pero al mismo tiempo crea una deuda legal, reputacional y de producto. Su valor no puede medirse solo por el tamaño del cheque. Antes del acuerdo deben existir el consentimiento de los empleados, el derecho a negarse, una auditoría técnica y una limitación precisa de los fines de uso. De lo contrario, la empresa no vende archivos olvidados, sino la vida laboral de otras personas.