Google compró la bandeja de entrada de una aerolínea muerta por 10 millones de dólares

Spirit Airlines dejó de volar a principios de mayo tras su segunda quiebra en menos de un año. Lo que quedó incluía el residuo digital ordinario de una empresa: un servidor de correo, un archivo de chat, un depósito de códigos, décadas de hojas de cálculo de precios. Según documentos presentados en el procedimiento de quiebra, Google pujó 10 millones de dólares por ese montón y lo ganó en una subasta. La empresa de datos de inteligencia artificial Mercor ofertó 7,5 millones y perdió.

El paquete es grande y poco glamoroso. Los informes lo sitúan en aproximadamente 100 millones de correos electrónicos y alrededor de 500 millones de mensajes de Microsoft Teams, junto con software, código fuente, modelos de precios, curvas de reserva, datos de comportamiento de vuelos, compras a bordo y registros de ventas de Wi-Fi, historiales de reembolsos e información de paquetes de viaje. Según se informa, los registros de los empleados se remontan a 1986. Google dice que un tercero eliminará toda la información de identificación personal antes de entregar los datos. El acuerdo excluye explícitamente los datos de clientes y de fidelidad, que cubren a 97,5 millones de pasajeros, 52,4 millones de miembros de fidelidad y 740.000 titulares de tarjetas de marca compartida. Google dice que el corpus ayudará a mejorar sus productos y modelos.

¿Por qué alguien querría el chat grupal de una aerolínea desaparecida? Por lo que contiene que la Internet abierta no contiene. Casi todos los grandes modelos de lenguaje han sido entrenados en la web pública, que está llena de texto publicado, terminado y pulido. Lo que falta es el confuso punto medio de cómo se hace realmente el trabajo: el hilo en el que cuatro personas discuten sobre una regla de fijación de precios, la escalada a medio escribir, el momento en que alguien explica una política a un nuevo colega en palabras sencillas. Si está intentando crear modelos que manejen flujos de trabajo comerciales reales en lugar de escribir publicaciones de blog, ese material es el ingrediente escaso. Diez millones de dólares por una década es, según los estándares de esta industria, barato.

Hay una advertencia justa y se trata de la palabra anonimizado. Eliminar nombres y números de cuentas de un buzón corporativo es realmente difícil. Los correos electrónicos están llenos de contexto que identifica a las personas sin nombrarlas: un proyecto, una fecha, un rol, una frase distintiva. Los investigadores independientes no tienen acceso aquí, por lo que confiamos en la calidad de esa limpieza. El precedente más amplio es la parte a observar. Los datos corporativos son ahora un activo que se subasta en un tribunal de quiebras, lo que significa que las personas que escribieron esos correos electrónicos no tienen voz y voto sobre dónde terminan.

Lo que esto significa para ti: prácticamente, nada cambia hoy, y si volaste con Spirit, tu historial de reservas no está en la venta. El pensamiento útil es sobre tu propio trabajo. Todo lo que escriba en el sistema de una empresa pertenece a la empresa y las empresas pueden venderse o liquidarse. Eso siempre fue cierto, pero el valor de reventa de la charla interna solía ser aproximadamente cero. Ya no es cero, lo cual es razonable tener en cuenta la próxima vez que escribas algo en un chat de trabajo en el que no quieras que se capacite a un modelo.

Fuentes

• Skift: Google recoge los datos de Spirit en una venta por quiebra para entrenar IA
• 9to5Google: Google acaba de comprar una gran cantidad de datos de Spirit Airlines para el entrenamiento de IA
• Tom’s Hardware: Google compra datos de Spirit Airlines para entrenamiento de IA por sólo 10 millones de dólares