ИИ устал от Википедии. Теперь роботы хотят читать сплетни в ваших рабочих чатах

Старые рабочие переписки, которые раньше тихо пылились в архивах, неожиданно превратились в товар. Компании, закрывающиеся без особого шума, начали зарабатывать на своих чатах, письмах и задачах, продавая их разработчикам искусственного интеллекта.

Когда Шанна Джонсон сворачивала сервис расшифровки и субтитров cielo24, она наткнулась на неожиданный актив. Речь шла не о коде или клиентах, а о накопившихся за годы «цифровых следах» компании – переписке в Slack, задачах в Jira, письмах и документах в Google Drive. Закрыть компанию помог стартап SimpleClosure. После того как рассчитались с сотрудниками и подали документы в Налоговую службу США, наступил необычный этап: продажа всех этих данных.

За 13 лет работы cielo24 накопила огромный массив внутренних материалов, и его удалось продать за «сотни тысяч долларов». По словам Джонсон, сделка позволила спокойно завершить дела и закрыть компанию без долгов. Эмоции от закрытия никуда не делись, но мысль о том, что накопленные данные пригодятся другим, немного смягчила ситуацию.

Такая история перестаёт быть исключением. В 2026 году внутренние рабочие данные закрытых компаний стали новым ресурсом в гонке технологий искусственного интеллекта. Если раньше модели обучали на открытых источниках вроде форумов, энциклопедий и книг, то к концу 2024 года этот запас фактически исчерпали. Об этом говорил бывший главный научный сотрудник OpenAI Илья Суцкевер. К тому же такие данные плохо подходят, чтобы создавать системы, способные выполнять реальные задачи.

Зато внутренняя «кухня» компаний – с реальными рабочими процессами, ошибками и неформальной коммуникацией – оказалась куда полезнее. Разработчики поняли: чтобы научить системы работать, нужны примеры настоящей работы, со всей её хаотичностью.

Спрос оказался настолько высоким, что вокруг него быстро сформировался рынок. SimpleClosure запустила площадку Asset Hub, где можно продать архивы кода, переписку и другие материалы. За последний год компания провела около сотни сделок и вернула основателям более 1 млн долларов. Обычно речь идёт о суммах от 10 тыс. до 100 тыс. долларов за компанию.

Конкуренты вроде Sunset работают по той же модели. Цена зависит от размера бизнеса, его возраста и «насыщенности данных». Например, задача в Jira, связанная с конкретным изменением в коде, ценится выше, чем отдельный документ. Особенно дорого оцениваются данные из медицины и финансов.

Однако такая практика вызывает серьёзные вопросы о конфиденциальности. Основатель Center for AI and Digital Policy Марк Ротенберг считает, что если сотрудники согласились передать права на рабочие материалы, это не означает их согласия на продажу личной переписки третьим лицам. Люди вряд ли рассчитывали, что сообщения в Slack могут оказаться частью обучающих наборов данных. Организация Ротенберга уже обратилась в Комитет Сената США по торговле с призывом к Федеральной торговой комиссии проверить новые практики в сфере искусственного интеллекта и оценить, как компании защищают персональные данные.

Даже если компании заявляют, что обезличивают данные, на практике этот процесс далёк от идеала. Полностью удалить персональные сведения из многолетней переписки крайне сложно. Ошибки могут привести к тому, что информация о конкретных людях или компаниях «всплывёт» в ответах системы.

Риск подтверждают и научные работы. В 2020 году специалисты из OpenAI и Google показали, что крупные языковые модели способны запоминать фрагменты обучающих данных дословно и воспроизводить их при определённых запросах.

На фоне ажиотажа растёт ещё одно направление – так называемые тренировочные среды для обучения с подкреплением. В таких «симуляторах офисов» системы учатся выполнять задачи, имитируя работу сотрудников. По данным The Information, Anthropic рассматривает возможность вложить до 1 млрд долларов в такие проекты. На рынке уже десятки стартапов, а оценки некоторых из них достигают сотен миллионов долларов.

Один из примеров – компания AfterQuery, которая продаёт готовые цифровые «миры» для обучения. Внутри таких сценариев система может, например, планировать день рождения коллеги, переписываться с «сотрудниками» и решать типичные офисные задачи, включая неожиданные накладки.

В итоге обычные рабочие чаты, которые раньше казались рутиной, превращаются в ценный ресурс. Ирония в том, что такие переписки могут пережить саму компанию и неожиданно стать частью будущих систем. Правда, остаётся риск: если модель запомнит слишком много, однажды она может выдать чужую рабочую историю вместе с именами и деталями.