AI labs are buying data from dead startups to train their models
MIT Technology Review AI · 13 oct, 11:00
Los laboratorios de IA están comprando datos de startups fracasadas a través de intermediarios como SimpleClosure y Sunset para entrenar sus modelos. La práctica, que emergió hace un año cuando se agotaron los datasets públicos y sintéticos, genera decenas de millones de dólares: Google pagó 10 millones de dólares por los datos de Spirit Airlines, incluyendo 100 millones de correos y 500 millones de mensajes de Teams. Sin embargo, la venta plantea preocupaciones legales sobre privacidad, consentimiento de empleados y falta de regulación.
SimpleClosure, fundada en 2024, ha gestionado más de 150 transacciones de venta de datos y espera devolver más de 10 millones de dólares a startups antes de fin de 2026. El 47% de sus operaciones ahora incluyen venta de código o datos. Empresas como Surge AI compran archivos para construir "gimnasios de aprendizaje por refuerzo" donde los agentes de IA practican tareas como depuración de infraestructuras o redacción de escritos legales. Los valuadores consideran el historial de Slack, emails y calendarios como material valioso porque contienen "datos operacionales" con variedad y profundidad.
La práctica presenta riesgos significativos. Los datos pueden contener información sensible de empleados (citas con médicos, horarios escolares, planes personales) que permanece en emails y calendarios después de la eliminación de identificadores personales. Greg Ewing, abogado asesor de startups de IA, describe esto como "datos legalmente radiactivos" en un "Salvaje Oeste de entrenamiento de IA". Los ingresos van típicamente a acreedores senior e inversores, no a empleados. Ifeoma Ajunwa, profesora de derecho en la Universidad de Emory, señala que no hay ley federal que prohíba estas ventas, aunque existe un debate sobre si se requiere consentimiento explícito de los trabajadores.
Puntos clave
- SimpleClosure ha gestionado más de 150 transacciones; espera devolver más de 10 millones de dólares en 2026
- Google pagó 10 millones de dólares por datos de Spirit Airlines: 100 millones de correos, 500 millones de mensajes Teams, 176.000 registros de empleados
- Los valuadores de datos consideran el volumen, años de operación y variedad de contenido en Slack, email y calendarios
- Preocupaciones legales sobre privacidad de empleados, consentimiento y falta de regulación federal
- No hay transparencia sobre quién compra los datos ni cómo se utilizarán; los ingresos benefician a acreedores e inversores, no empleados