VK perguntou a fornecedores se eles treinam IA com digitalizações de carteirinhas de estudante

O desconto para estudantes em um serviço de música parece uma mecânica de marketing menor. Mas ele tem um lado de engenharia: alguém precisa verificar, manual ou automaticamente, um número enorme de carteirinhas de estudante em papel. Agora a VK, ao trocar o parceiro responsável por essa verificação, fez aos candidatos uma pergunta incômoda: vocês não pretendem treinar IA com esses dados?

O que exatamente aconteceu

O grupo VK está escolhendo um novo fornecedor de TI para a verificação em massa de carteirinhas de estudante em papel. A verificação é necessária para que os usuários tenham acesso ao «VK Música» por um preço reduzido. Durante a seleção do parceiro, a empresa pediu aos potenciais executores que informassem se planejam usar os dados recebidos para treinar modelos de IA. Além disso, a pauta inclui a confirmação da proibição de tais ações.

Ou seja, a VK não verifica apenas se o fornecedor sabe reconhecer documentos. Ela estabelece de antemão que os dados da verificação não devem se tornar matéria-prima para modelos de terceiros.

Por que as carteirinhas de estudante são um material valioso

Os especialistas citados pelo CNews consideram que o conjunto de carteirinhas de estudante coletado realmente tem alto valor para sistemas de visão computacional. A lógica é clara. São documentos reais, fotografados com diferentes câmeras, sob diferentes iluminações e em diferentes ângulos. As carteirinhas são emitidas pelas universidades de maneiras distintas: formulários, carimbos, fontes e fotos variam. Para um modelo que aprende a encontrar um documento na imagem, ler seus campos e distinguir um formulário autêntico de uma falsificação, essa diversidade é o recurso mais caro. É difícil reuni-la artificialmente.

Há também o outro lado. Esses documentos, em regra, contêm dados pessoais, e a questão de poder ou não usá-los para treinamento não diz respeito apenas à concorrência, mas também à confiança dos usuários.

Um detalhe à parte da reportagem: o treinamento de um novo serviço de TI poderia beneficiar a própria VK, porque melhora o seu funcionamento. Um modelo que vê mais exemplos reais erra menos em carteirinhas fora do padrão. Por isso, a proibição não é um ganho óbvio, mas um compromisso consciente entre qualidade e controle sobre os dados.

O que isso significa na prática

A fonte não revela quais condições acabarão no contrato nem quais fornecedores disputam o projeto. Mas a abordagem em si merece ser adotada.

• Escreva a proibição de forma explícita. Se o fornecedor processa documentos, fotos ou correspondência dos seus clientes, a frase «usado apenas para a prestação do serviço» deve incluir uma cláusula separada sobre treinamento de modelos. O silêncio do contrato costuma ser interpretado a favor do executor.
• Pergunte antes de assinar, não depois. A VK fez a pergunta na etapa de escolha do parceiro, quando ainda tem poder de influência. Depois do lançamento do projeto, negociar é mais difícil.
• Acompanhe o ciclo de vida dos dados. Descubra onde as digitalizações são armazenadas, por quanto tempo e quem tem acesso a elas. A mesma pergunta vale para o retreinamento de modelos internos do fornecedor.
• Considere os dados um ativo. Se o seu processo gera um conjunto de imagens rotuladas ou verificadas, isso já é um dataset, mesmo que você não tenha pretendido criá-lo.

Para o product manager, a conclusão é simples: qualquer função «de rotina», como a verificação de um desconto, gera dados valiosos para a IA. Para o desenvolvedor: se você é fornecedor, esteja pronto para responder com honestidade para que serão usados os arquivos recebidos. Os clientes começam a perguntar isso diretamente.

Limitações

Pela reportagem, não se sabe como terminará a escolha do parceiro, se a proibição será tecnicamente verificável e como a VK pretende controlar o seu cumprimento. A avaliação dos especialistas sobre o valor do dataset é uma opinião, não uma grandeza medida. Mas o sinal para o mercado é claro: as condições de uso de dados para treinar IA estão se tornando parte normal de uma licitação, e não letra miúda no final do contrato.