Ultimamente um novo esse tipo de proposta chegou à minha caixa de entrada. “Não tenho certeza se você já ouviu falar”, escreve alguém chamado Nick, “mas laboratórios de IA como Antrópico e OpenAI estão pagando empresas de mídia como a Wired de US$ 350 mil a US$ 1,8 milhão como taxa única por uma cópia de seus registros de trabalho antigos (documentos, e-mails, mensagens ociosas, tickets, etc.) para treinar modelos melhores.”
Outro e-mail com proposta semelhante (adicionando transcrições de chamadas à lista de informações desejadas) aumentou as apostas para possíveis US$ 2 milhões. “Os dados públicos estão esgotados e os laboratórios estão gastando mais de US$ 45 bilhões em dados privados para construir modelos melhores”, escreve alguém chamado Cora.
Embora eu estivesse ciente de que as empresas de IA estão comprando dados de especialistas de várias fontes, não se deu muita atenção a isso. Mas assim que investiguei o assunto, descobri que este negócio é muito maior do que eu suspeitava – e, de acordo com os seus praticantes, poderia ter tanto impacto nos trabalhadores e na sociedade como os centros de dados que dominam as notícias atualmente.
As empresas que me contataram fazem parte de um boom industrial na aquisição de dados que vem comprando discretamente os fluxos de trabalho de empresas de grande porte e ainda está tão faminto que está sangrando em nossas caixas de entrada. Uma escritora freelance escreveu recentemente sobre sua experiência com uma empresa chamada Handshake, que ofereceu a ela US$ 1.000 por seu trabalho em uma única história. (Ela não vendeu.) Um representante da Handshake confirmou-me a oferta: “Licenciamos documentos profissionais em vários campos para que os laboratórios possam testar e treinar como os modelos lidam com o trabalho do conhecimento real”, disse ele. “O jornalismo é um desses campos.” Handshake me disse que grande parte de seu negócio consiste na compra de trabalhos e cursos de estudantes de pós-graduação.
Um empresário amigo meu me disse que tem recebido correspondências de várias empresas cujo negócio é “ajudar startups a encerrar suas empresas”, como explicou um e-mail de uma empresa chamada Sunset. “Nós cuidamos de todo o processo, limpando e anonimizando os dados para que o pessoal da empresa e quaisquer detalhes de identificação sejam eliminados e, em seguida, intermediamos o acordo com os laboratórios.”
Essas novas startups de aquisição de dados esperam alcançar o sucesso rápido das empresas dominantes na área, que têm apenas alguns anos de existência. Os líderes do setor Handshake, Micro1 e Mercor estão abocanhando bancos de dados como se fosse uma corrida do ouro moderna. O líder do setor parece ser a Mercor, fundada em 2023; no ano passado, seus três cofundadores tornaram-se bilionários aos 22. Como todas as empresas, afirma ter parcerias com quase todos os principais laboratórios de IA. (A resposta das próprias empresas foi mais cautelosa: a Anthropic reconhece que existe um grande mercado para dados, mas me disse que não compra fluxo de trabalho de empresas reais como a WIRED. A OpenAI não apresentou uma resposta antes da publicação.)
Numa entrevista, o CEO da Mercor, Brendan Foody, disse-me que o mercado está prestes a explodir à medida que a indústria da IA procura dramaticamente mais dados. A Mercor começou originalmente como uma empresa de recrutamento de IA, mas à medida que a equipe foi conhecendo os jogadores, descobriu que os grandes laboratórios estavam frustrados com a qualidade dos dados. Geralmente, a indústria contratava especialistas para simular o fluxo de trabalho real, mas isso não capturava a confusão de um negócio operacional real. Ele me incentivou a considerar que a Big AI tem duas necessidades infinitas: computação e dados. Embora a indústria esteja fazendo investimentos gigantescos publicamente no primeiro, a coleta de dados é igualmente importante.
