Empresas de IA oferecem até US$ 2 milhões por arquivos de e-mails e documentos de trabalho

E-mails, tickets, documentos e transcrições de chamadas viraram de repente um ativo que pode ser vendido a desenvolvedores de IA. Intermediários enviam às empresas ofertas de centenas de milhares e até milhões de dólares por uma cópia de seus antigos arquivos de trabalho. O motivo é simples: a internet pública ensina bem o modelo a continuar um texto, mas mostra mal como as decisões são tomadas na prática, como os erros são corrigidos e como os projetos são levados até o resultado.

Um exemplo simples mostra a diferença. Um conjunto de dados de treinamento pode conter uma instrução organizada para devolução de um produto. Um arquivo corporativo mostra toda a cadeia: a reclamação do cliente, a disputa entre o suporte e a contabilidade, a exceção às regras, a aprovação de um desconto e a resposta final. Para um modelo que deve fazer trabalho de escritório, o segundo conjunto é muito mais útil. Nele há contexto, incerteza e as consequências das decisões.

Por que os arquivos ficaram caros

Segundo a WIRED, os intermediários ofereceram de US$ 350 mil a US$ 2 milhões por arquivos corporativos. A Handshake compra separadamente documentos profissionais e trabalhos de estudantes. Mercor e Micro1 coletam dados sobre processos de trabalho reais para treinar e avaliar modelos.

Ainda é difícil dimensionar o mercado. O diretor da Micro1 afirma que as empresas gastam de US$ 40 bilhões a US$ 50 bilhões por ano com dados, mas o autor da WIRED não conseguiu confirmar esse número de forma independente. A previsão de que o mercado chegue a US$ 1 trilhão por ano também é uma declaração de um participante do mercado, não um fato estabelecido.

Um caso revelador surgiu na falência da Spirit Airlines. Foi colocado à venda um arquivo digital que incluía 80 mil contas de e-mail, 500 milhões de mensagens internas, 20,6 milhões de arquivos do SharePoint e um milhão de registros de jornada de trabalho. A Micro1 ofereceu US$ 12,5 milhões por ele. O negócio foi suspenso após objeções do sindicato dos comissários de bordo: os funcionários temem que, junto com os materiais de trabalho, o comprador receba suas informações pessoais.

A anonimização não resolve tudo

Os vendedores de dados garantem que removem as informações pessoais antes de entregar os arquivos. Numa tabela em que o nome fica em uma coluna separada, a tarefa é relativamente clara. Com e-mails e mensagens, é mais difícil. Uma pessoa pode descrever um diagnóstico, um problema familiar ou um conflito com o chefe sem nunca citar o nome completo. O conjunto de cargo, projeto, data e detalhes da conversa ainda pode revelar o autor.

Há também uma segunda questão: a quem pertence o rastro de trabalho do funcionário. A empresa é dona do sistema de e-mail e dos documentos, mas daí não decorre que tenha obtido o consentimento informado das pessoas para treinar um modelo. É especialmente desagradável se o arquivo for usado para automatizar as mesmas profissões cujos representantes o criaram.

Para os desenvolvedores, isso significa que a simples promessa de "removemos os PII" não basta. São necessárias regras verificáveis de origem dos dados, uma lista de usos permitidos, prazos de armazenamento e um mecanismo para excluir os materiais de uma pessoa específica. São úteis a verificação independente da anonimização, testes de memorização de trechos e um registro de acesso ao arquivo original.

O que a equipe de produto deve fazer

Antes de comprar ou vender dados de trabalho, faça um mapa: quem criou cada tipo de material, quais contratos estavam em vigor na época e se há informações sobre clientes, saúde, finanças ou conflitos trabalhistas. Verifique separadamente anexos, backups e citações de e-mails antigos, que muitas vezes sobrevivem à limpeza automática.

Não carregue um arquivo desses diretamente no treinamento. Primeiro selecione uma amostra limitada, remova os campos desnecessários, faça uma revisão manual e tente reidentificar as pessoas pelo contexto restante. Se a sua equipe consegue, provavelmente um estranho também consegue.

A principal conclusão para os fundadores é simples: um arquivo corporativo pode de fato se tornar uma nova linha de receita, mas ao mesmo tempo cria uma dívida jurídica, reputacional e de produto. Seu valor não pode ser avaliado apenas pelo tamanho do cheque. Antes do negócio, devem existir o consentimento dos funcionários, o direito de recusa, uma auditoria técnica e uma limitação precisa das finalidades de uso. Caso contrário, a empresa não está vendendo arquivos esquecidos, mas a vida profissional de outras pessoas.