AI-ის ლაბორატორიები დახურული სტარტაპების მონაცემებს ყიდულობენ

გარიგებას SimpleClosure-მა (SimpleClosure) გაუწია შუამავლობა. კომპანია ტექნოლოგიური სექტორის ახალ, მზარდ სფეროში მუშაობს და დახურვის პროცესში მყოფ სტარტაპებს ემსახურება. Carta-სა და AngelList-ის შეფასებებით, ბოლო წლებში დახურვების რაოდენობა ყოველწლიურად 26%-დან 56%-მდე იზრდებოდა. მათ გარშემო გაჩნდა მომსახურებების მთელი სისტემა, მათ შორის კონსულტანტები, „სიკვდილის დულები“ და კომპანიები, რომლებიც იურიდიულ, საგადასახადო და საოპერაციო სირთულეებს აგვარებენ. ახლა ტექნოლოგიური სფეროს „დამკრძალავები“ მონაცემების ნარჩენებს AI-ის ლაბორატორიებს მიჰყიდიან.

SimpleClosure-მა მონაცემების გაყიდვა მომსახურებებს აპრილში დაამატა. მისი პლატფორმა Asset Hub-ი (Asset Hub) დამფუძნებლებს კოდისა და სამუშაო მონაცემების, მათ შორის ელფოსტის, მიმოწერისა და დოკუმენტების, გაყიდვაში ეხმარება. მყიდველებს შორის ძირითადი AI-მოდელების ლაბორატორიები, საწვრთნელი სიმულირებული სამუშაო სივრცეების შემქმნელები და საკუთარი მოდელების შემმუშავებელი ტექნოლოგიური კომპანიები არიან. Asset Hub-მა 150-ზე მეტი გარიგება დაამუშავა და 2026 წლის ბოლომდე სტარტაპებისთვის 10 მილიონ დოლარზე მეტის დაბრუნებას ვარაუდობს. აღმასრულებელი დირექტორის, დორი იონას (Dori Yona) თქმით, ოდესღაც იშვიათი და „გარკვეულწილად ტაბუდადებული“ გარიგებები ჩვეულებრივ პრაქტიკად იქცა. SimpleClosure-ის გარიგებების 47% ახლა კოდის ან მონაცემების გაყიდვას მოიცავს.

კონკურენტ Sunset-საც (Sunset) მონაცემების სწრაფად მზარდი გადაყიდვის ბიზნესი აქვს. დამფუძნებელი და აღმასრულებელი დირექტორი ბრენდან მაჰონი (Brendan Mahony) ამბობს, რომ კომპანია აქტივებს თანამშრომლების რაოდენობით, მუშაობის ხანგრძლივობით, მონაცემების მოცულობითა და ხელსაწყოების გამოყენების წესით აფასებს. მისი თქმით, კარგი ანალოგია მერქანბურბუშელოვანი ფილა: „ეს საოპერაციო ნარჩენი მონაცემები იმ ხის ბურბუშელას ჰგავს, რომელსაც ყველა უღირებულად მიიჩნევდა, სინამდვილეში კი უზარმაზარი ღირებულება აქვს“.

დახურული კომპანიების მონაცემებზე მოთხოვნა შარშან უეცრად გაჩნდა, როცა AI-ის ლაბორატორიებმა საჯარო და სინთეზური მონაცემთა ნაკრებების ზღვარს მიაღწიეს. მაგალითად, Surge AI (Surge AI) მონაცემებს „განმტკიცებითი სწავლების სავარჯიშო გარემოების“ შესაქმნელად ყიდულობს. იქ კლიენტების AI-აგენტები რთული საინფორმაციო ტექნოლოგიების არქიტექტურის გამართვას ან სააპელაციო დოკუმენტების შედგენას სწავლობენ. ამ მიმართულების ხელმძღვანელი ნიკ ჰაინერი (Nick Heiner) განსხვავებული ვითარებების, უთანხმოებებისა და რთული გადაწყვეტილებების ამსახველ არქივებს ეძებს. მისი თქმით, მრავალფეროვანი და სიღრმისეული Slack-ის ისტორია შეიძლება სხვა კომპანიის Slack-ზე, ელფოსტასა და კალენდრებზე ერთად უფრო ღირებული იყოს.

რეალური არქივები სინთეზურ გარემოებებში გავრცელებულ შეცდომებს, მაგალითად, არარსებული თარიღების მითითებას, თავიდან იცილებს. თუმცა შედეგების გაუმჯობესების მასშტაბი გაურკვეველია. არცერთ კომპანიას გამოუქვეყნებია ტესტები, რომლებიც რეალური მონაცემებით წვრთნას ალტერნატივებს შეადარებდა. ჰაინერის თქმით, მყიდველები მკვეთრად განსხვავებულ ფასებს ასახელებენ, რადგან შეფასება „კვლევით თეზისებს“ ეფუძნება, მაგალითად, რამდენ სასარგებლო ამოცანას იძლევა კოდის 100 000 სტრიქონი.