Google compra dados da falida Spirit por 9,2 milhões, para treinar IA

Por 10 milhões de dólares, cerca de 9,2 milhões de euros, a Google comprou em leilão uma das coisas mais valiosas que sobrou da falida companhia aérea norte-americana Spirit: dados. Muitos dados. Mais de 100 milhões de emails, 500 milhões de itens do Microsoft Teams, 17 milhões de ficheiros no OneDrive, 20,5 milhões de documentos no SharePoint, 30 milhões de chamadas de apoio ao cliente gravadas e 15 milhões de registos de chat.

O pacote inclui ainda 600.000 tickets do ServiceNow, 13,7 milhões de endereços de email activos de marketing Oracle Responsys, dados de 11 milhões de vendas de Wi-Fi a bordo e um retrato quase completo da operação da Spirit: 763.000 voos, cinco milhões de emparelhamentos de tripulações, mais de 1,2 milhões de registos de combustível e quase 800.000 compras de peças. É basicamente o diário de bordo digital de uma low-cost inteira, vendido a saldo.

Segundo a documentação do tribunal, os dados foram «desidentificados» antes do leilão e a Google promete limpar qualquer PII (informação pessoal identificável) que ainda encontre. Em teoria, quem alguma vez discutiu com o call center da Spirit não devia ver a sua voz surgir como snippet num modelo de IA. Na prática, já vimos demasiados vazamentos de dados e fugas de treino para levar estas garantias à letra. Quando compras 30 milhões de chamadas e 100 milhões de emails em segunda mão, estás a comprar também erros escondidos.

A Google diz que o objectivo é melhorar os seus serviços de IA, o que encaixa na aposta em modelos mais especializados em vez de apenas monstros generalistas. Com esta base, é fácil imaginar um modelo para optimizar operações de aviação, prever atrasos, gerir tripulações ou simplesmente afinar modelos financeiros com dados reais de uma companhia em queda livre. Num momento em que a própria Google anda a explorar formas de trabalhar com dados sensíveis de forma cifrada, como no projecto HEIR para pôr IA a trabalhar em dados cifrados, a compra de um enorme dataset “anónimo” soa a atalho mais barato.

Este leilão também expõe o lado menos falado da moda da IA: há um mercado cada vez mais agressivo de dados corporativos “limpos” para treinar modelos. A própria concorrência no leilão, com a Mercor, uma fornecedora de dados para treino de IA, a ficar em segundo lugar, mostra bem isso. Quando até os destroços digitais de uma low-cost valem milhões só pelo potencial de treino, fica claro que o petróleo da IA já não são só textos da web, são bases de dados operacionais inteiras.

Para quem está na Europa, isto levanta outra questão: o que acontece quando forem activos de empresas sujeitas a RGPD a ir a leilão, com dados de operações em vários países e jurisdições? A Spirit era sobretudo norte-americana, mas o precedente está aberto. As falências do futuro podem passar a ter uma nova rubrica na lista de activos: “dataset de treino para IA”. E quem alguma vez voou com essas empresas passa a figurante involuntário no laboratório de modelos da Big Tech.

Fonte: The Register