Google ने कमी किमतीच्या वाहक स्पिरिट एअरलाइन्सचा प्रचंड कॉर्पोरेट डेटा ट्रव्ह एका दिवाळखोरीच्या लिलावात $10 दशलक्षमध्ये विकत घेतला आहे, ज्यामध्ये AI कंपन्या खुल्या इंटरनेटला कधीही स्पर्श न केलेल्या मजकुरासाठी वास्तविक पैसे देतील.

गेल्या आठवड्यात दाखल केलेल्या न्यायालयीन दस्तऐवजानुसार आणि 18 ऑगस्ट 2026 रोजी द रजिस्टरने अहवाल दिला होता, Google च्या विजयी बोलीने कमीतकमी आणखी एका गंभीर स्पर्धकाला मागे टाकले: Mercor, एक कंपनी जी AI मॉडेलला प्रशिक्षण देण्यासाठी डेटा पुरवते. Axios ने स्वतंत्रपणे पुष्टी केली की Google ने स्पिरिटच्या ईमेल, चॅट आणि दस्तऐवजांसाठी दिवाळखोरी लिलाव जिंकला. For more context on this story, see our ongoing AI industry coverage.

स्पिरिट, एकेकाळी पुरातन अति-कमी-किमतीची यूएस एअरलाइन, 2020 मध्ये COVID-19 ने प्रवास करण्यासाठी दिलेल्या धक्क्यातून आर्थिकदृष्ट्या कधीही सावरली नाही. अनेक वर्षांच्या तोट्यानंतर, वाहकाने मे 2026 मध्ये स्वतःला कायमचे ग्राउंड केले आणि लिक्विडेशनमध्ये प्रवेश केला, त्याच्या मालमत्तेचा आता लेनदारांना परतफेड करण्यासाठी लिलाव केला जात आहे. त्या मालमत्तेपैकी एक, ऑपरेशनल एक्झॉस्टचे संग्रहण होते: ईमेल, कॉल रेकॉर्डिंग, चॅट लॉग आणि फ्लाइट रेकॉर्ड — नेमका तोच प्रकारचा विशाल, गोंधळलेला, मानवी-व्युत्पन्न केलेला मजकूर आहे जो AI डेव्हलपर म्हणतात की त्यांना आवश्यक आहे.

काय $10 दशलक्ष विकत घेतले

कोर्ट फाइलिंगमधील संख्या उल्लेखनीय रुंदीच्या डेटासेटचे वर्णन करतात. 17 दशलक्ष OneDrive फायली आणि 20.5 दशलक्ष SharePoint आयटमसह Microsoft Teams कडील 100 दशलक्ष ईमेल्स आणि 500 ​​दशलक्ष वस्तूंचा समावेश आहे. Google ने 30 दशलक्षाहून अधिक रेकॉर्ड केलेले ग्राहक सेवा कॉल आणि 15 दशलक्षाहून अधिक ग्राहक सेवा चॅट रेकॉर्ड्स देखील मिळवले - बुकिंग बदलांपासून ते सामानाच्या तक्रारींपर्यंत वास्तविक मानवी संवादाची सोन्याची खाण.

संग्रहण ग्राहकांच्या परस्परसंवादाच्या पलीकडे एअरलाइनच्या ऑपरेशनल कोअरमध्ये पोहोचते. या विक्रीमध्ये सुमारे 600,000 ServiceNow तिकिटे, Oracle च्या Responsys मार्केटिंग प्लॅटफॉर्मवरील 13.7 दशलक्ष सक्रिय ईमेल पत्ते आणि 11 दशलक्ष इन-फ्लाइट वाय-फाय विक्रीच्या नोंदी समाविष्ट आहेत. ऑपरेशन्सच्या बाजूने, डेटा 763,000 पेक्षा जास्त उड्डाणे, पाच दशलक्ष क्रू पेअरिंग, 1.2 दशलक्षाहून अधिक इंधन स्लिप्स आणि 787,452 विमानांच्या भागांच्या खरेदी इतिहासाचे वर्णन करतो.

गुगलने AI सेवा सुधारण्यासाठी डेटा खरेदी केल्याचे सांगितले आहे. रजिस्टरने नमूद केले आहे की शोध जायंटला स्पिरिटच्या रेकॉर्डमध्ये डोमेन-विशिष्ट मॉडेलसाठी कच्चा माल दिसतो — उदाहरणार्थ, एव्हिएशन ऑपरेशन असिस्टंट — किंवा फक्त दैनंदिन व्यवसाय रेकॉर्ड्सचा एक मोठा संग्रह जो मॉडेल्सला नियमित कामाच्या ठिकाणची कामे अधिक विश्वासार्हपणे हाताळण्यास मदत करू शकतो.

एअरलाइनचे संग्रहण अचानक मौल्यवान का होते

लिलाव एआय कंपन्या प्रशिक्षण डेटाचा स्रोत कसा बनवतात यामधील शांत बदल दर्शविते. सार्वजनिक इंटरनेट आधीच वारंवार स्क्रॅप केले गेले आहे, आणि फ्रंटियर लॅब आता ताजे, विशेष आणि - निर्णायकपणे - मानवी लिखित असण्याची हमी असलेल्या मजकूराचा शोध घेतात. 2022 पूर्वी उत्पादित केलेली कोणतीही गोष्ट, व्याख्येनुसार, AI-व्युत्पन्न सामग्रीपासून मुक्त आहे, जी महत्त्वाची आहे कारण संशोधकांनी चेतावणी दिली आहे की कृत्रिम मजकूर "मॉडेल कोलॅप्स" जोखीम आउटपुट गुणवत्तेत प्रगतीशील अधोगती यावर जोरदार प्रशिक्षित मॉडेल्स.

तेच तर्क अनोळखी व्यक्तींच्या अधिग्रहणांना चालना देत आहे. या आठवड्यात, TechCrunch आणि 404 मीडियाने नोंदवले की Amazon दुर्मिळ आणि मुद्रित नसलेली पुस्तके खरेदी करत आहे, त्यांचे मणके कापत आहे आणि लास वेगासमधील एका सुविधेवर स्कॅन करत आहे - मजकूर अंशतः बहुमूल्य आहे कारण ते इंटरनेटवर कुठेही अस्तित्वात नाहीत. स्पिरिटचे आर्काइव्ह कॉर्पोरेट समतुल्य आहे: मालकीचे, वेब क्रॉलर्सद्वारे अगम्य, आणि वास्तविक ग्राहक आणि वास्तविक समर्थन एजंट्स यांच्यातील अस्सल देवाणघेवाणांसह घनता.

मर्करची उपस्थिती अंडरबिडर म्हणून सांगत आहे. एक कंपनी ज्याचा संपूर्ण व्यवसाय AI प्रशिक्षण डेटाचा पुरवठा करत आहे ती एअरलाइनच्या ईमेल आणि कॉल लॉगसाठी Google च्या किमतीच्या जवळ येण्यास इच्छुक होती — दिवाळखोरी लिलाव हे प्रशिक्षण कॉर्पोरासाठी एक कार्यरत बाजारपेठ बनले आहे, ज्यामध्ये विशेषज्ञ दलाल ते पुरवतात त्या दिग्गजांच्या विरोधात बोली लावतात.

गोपनीयता प्रश्न डील मागे

न्यायालयाच्या दाखलानुसार, विक्रीसाठी ठेवण्यापूर्वी स्पिरिटचा डेटा ओळखला गेला होता आणि Google ने संग्रहात सापडलेली कोणतीही उर्वरित वैयक्तिक माहिती स्क्रब करण्याचे आश्वासन दिले आहे.

ते स्क्रबिंग परिपूर्ण सिद्ध होते की नाही ही दुसरी बाब आहे. रजिस्टरने स्पष्टपणे नमूद केले आहे की ते "अपरिहार्य SNAFUs" च्या पुराव्याची वाट पाहत आहे - जवळची खात्री, त्याच्या सांगण्यामध्ये, की गरम झालेल्या ग्राहक सेवा कॉलमधून काही वैयक्तिक तपशील मॉडेल आउटपुट किंवा शोध परिणामांमध्ये पुन्हा प्रकट होतील. रेकॉर्ड केलेले फोन कॉल्स आणि सपोर्ट चॅट्स पूर्णपणे निनावी करणे कठीण आहे: आवाज, नावे, बुकिंग संदर्भ आणि प्रवासाचा तपशील सर्व ओळख पाइपलाइन टिकून राहू शकतात.

माजी स्पिरिट ग्राहकांसाठी, कोणतीही निवड रद्द नाही. एकदा डेटा दिवाळखोरी संपत्ती बनला की, ती इस्टेटकडे असलेल्या इतर कोणत्याही मालमत्तेप्रमाणे विकली जाते. गोपनीयता वकिलांनी बर्याच काळापासून चेतावणी दिली आहे की लिक्विडेशन वैयक्तिक इतिहास - रद्द केलेल्या फ्लाइटबद्दल एक त्रासदायक कॉल, कौटुंबिक आणीबाणीनंतर दाखल केलेली तक्रार - ग्राहकांनी कधीही माहिती सामायिक करणे निवडलेल्या कंपन्यांनी तयार केलेल्या उत्पादनांसाठी इनपुटमध्ये रूपांतरित करते.

नवीन संकटग्रस्त मालमत्ता म्हणून डेटा

स्पिरिट विक्री एक व्यापक नमुना दर्शवू शकते: रिटेल, ट्रॅव्हल, टेलिकॉम आणि फायनान्समधील अडचणीत असलेल्या कंपन्या संग्रहणावर बसल्या आहेत ज्याला एआय डेव्हलपर भौतिक उपकरणांपेक्षा अधिक महत्त्व देऊ शकतात. कर्जदारांसाठी, गेट्स, ब्रँड आणि विमान भाडेपट्टीच्या बाजूने डेटा विकल्यास अतिरिक्त रोख वसूल होते. AI लॅबसाठी, मालकीचा डेटा हा इतर सर्वांच्या सारख्याच सार्वजनिक इंटरनेटवर प्रशिक्षित मॉडेल वेगळे करण्याच्या काही उर्वरित मार्गांपैकी एक आहे.

Google साठी विशेषतः, $10 दशलक्ष म्हणजे त्याच्या AI पायाभूत सुविधा खर्चाच्या तुलनेत पॉकेट बदल आहे. धोरणात्मक मूल्य अनन्यतेमध्ये आहे: Google ने ते पूर्णपणे विकत घेतल्यानंतर कोणताही प्रतिस्पर्धी स्पिरिटच्या ग्राहक सेवा संवादाचा परवाना देऊ शकत नाही.

एआय कंपन्या प्रशिक्षण डेटा कसा मिळवतात याची रेग्युलेटर छाननी करत असतानाही हा करार झाला. स्क्रॅप केलेल्या सामग्रीवर प्रकाशक आणि लेखकांचे खटले यूएस न्यायालयांद्वारे कार्यरत आहेत आणि EU चा AI कायदा प्रशिक्षण डेटाभोवती पारदर्शकता आवश्यकता लागू करतो. ओळखपत्र आणि PII-स्क्रबिंग वचनबद्धतेसह लिलावात थेट डेटा खरेदी करणे, अनुपालन-अनुकूल मार्ग म्हणून उदयास येत आहे — जरी चॅटबॉटच्या उत्तरामध्ये स्पिरिट ग्राहकाच्या तपशीलांच्या पृष्ठभागावर प्रथमच त्या प्रायव्हसी फाइन प्रिंटची चाचणी केली जाईल.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →