ИИ-компании предлагают до $2 млн за архивы писем и рабочих документов

Письма, тикеты, документы и расшифровки звонков внезапно превратились в актив, который можно продать разработчикам ИИ. Посредники рассылают компаниям предложения на сотни тысяч и даже миллионы долларов за копию старых рабочих архивов. Причина проста: публичный интернет хорошо учит модель продолжать текст, но плохо показывает, как в реальности принимают решения, исправляют ошибки и доводят проекты до результата.

На простом примере это выглядит так. Учебный датасет может содержать аккуратную инструкцию по возврату товара. Корпоративный архив покажет всю цепочку: жалобу клиента, спор поддержки с бухгалтерией, исключение из правил, согласование скидки и финальный ответ. Для модели, которая должна выполнять офисную работу, второй набор гораздо полезнее. В нём есть контекст, неопределённость и последствия решений.

Почему архивы стали дорогими

По данным WIRED, посредники предлагали за корпоративные архивы от $350 тысяч до $2 млн. Handshake отдельно покупает профессиональные документы и студенческие работы. Mercor и Micro1 собирают данные о реальных рабочих процессах для обучения и проверки моделей.

Масштаб рынка пока оценить трудно. Руководитель Micro1 утверждает, что компании тратят на данные $40–50 млрд в год, однако автор WIRED не смог независимо подтвердить эту цифру. Прогноз о росте рынка до $1 трлн в год также остаётся заявлением участника рынка, а не установленным фактом.

Показательный случай возник при банкротстве Spirit Airlines. На продажу выставили цифровой архив, включавший 80 тысяч почтовых аккаунтов, 500 млн внутренних сообщений, 20,6 млн файлов SharePoint и миллион записей рабочего времени. Micro1 предложила за него $12,5 млн. Сделку приостановили после возражений профсоюза бортпроводников: сотрудники опасаются, что вместе с рабочими материалами покупатель получит их личную информацию.

Обезличивание не решает всё

Продавцы данных уверяют, что удаляют персональные сведения перед передачей архивов. С таблицей, где имя находится в отдельной колонке, это сравнительно понятная задача. С письмами и сообщениями сложнее. Человек может описать диагноз, семейную проблему или конфликт с руководителем, ни разу не указав полное имя. Совокупность должности, проекта, даты и деталей разговора всё равно способна выдать автора.

Есть и второй вопрос: кому принадлежит рабочий след сотрудника. Компания владеет почтовой системой и документами, но из этого не следует, что она получила осознанное согласие людей на обучение модели. Особенно неприятно, если архив используют для автоматизации тех же профессий, представители которых его создали.

Для разработчиков это означает, что простого обещания «мы удалили PII» недостаточно. Нужны проверяемые правила происхождения данных, перечень разрешённых способов использования, сроки хранения и механизм удаления материалов конкретного человека. Полезны независимая проверка обезличивания, тесты на запоминание фрагментов и журнал доступа к исходному архиву.

Что делать продуктовой команде

Перед покупкой или продажей рабочих данных составьте карту: кто создал каждый тип материалов, какие договоры действовали в тот момент и встречаются ли там сведения о клиентах, здоровье, финансах или трудовых конфликтах. Отдельно проверьте вложения, резервные копии и цитаты из старых писем — они часто переживают автоматическую очистку.

Не загружайте такой архив напрямую в обучение. Сначала выделите ограниченную выборку, удалите лишние поля, проведите ручную проверку и попытайтесь восстановить личности по оставшемуся контексту. Если это удаётся вашей команде, вероятно, удастся и постороннему человеку.

Главный вывод для основателей прост: корпоративный архив действительно может стать новой строкой выручки, но одновременно создаёт юридический, репутационный и продуктовый долг. Его стоимость нельзя оценивать только размером чека. До сделки должны появиться согласие сотрудников, право отказаться, технический аудит и точное ограничение целей использования. Иначе компания продаёт не залежавшиеся файлы, а чужую рабочую жизнь.