スタートアップが死んでも、データはAIの争奪品になる

編集注：スタートアップが死を迎えるとき、そのユーザーデータはコードよりもはるかに価値があることが多い。AIラボが破産清算リストに目を向け始めた今、「データの遺産」は本物のビジネスになりつつある。

MIT Technology Reviewの報道によると、AIラボは事業を停止したスタートアップからデータを購入し、大規模モデルの学習に活用している。起業家のキーラン・ミスケル（Keelan Miskell）は、自身の暗号資産スタートアップの清算を進める際、会社が残したデータにはたいした価値はないと思っていた。しかし現実はそうではなかった——一見無価値に見えるそれらの記録は、学習データの確保に悩むAI企業にとって、大幅に過小評価された資産となり得るのだ。

「データの壁」と「清算ラッシュ」の衝突

過去2年間、AI業界で最もよく語られるボトルネックの一つが、高品質な学習データの枯渇だ。公開インターネット上でクローリング可能なテキスト・コード・画像は、大規模モデルによってほぼ一通り「食べ尽くされた」状態にある。著作権者はライセンス供与を厳格化し、ウェブサイトはクローラー対策の壁を高くしており、「無料の昼食」はますます少なくなっている。その一方で、別の供給曲線が形成されつつある。資金調達の冬に倒れた多数のスタートアップが、構造の整理されたラベル付きの、垂直領域への特化度が高いデータ資産を残しているのだ——カスタマーサポートの会話、コードリポジトリ、金融取引記録、医療問診ログなど、その種類は多岐にわたる。

これらのデータは通常、クローラーで収集したウェブページよりも「クリーン」だ。明確なユーザー規約があり、統一されたデータ構造を持ち、実際のビジネスシーンが生み出したコンテキストを備えている。専門領域のコーパス確保に苦労するAI企業にとって、これはほぼオーダーメイドの学習素材だ。さらに重要なのは、売り手が早急な換金を望んでいることが多く、交渉力が弱い点だ。

破産清算における「見えない資産」

従来、スタートアップの清算時に最も価値があったのは特許・チーム・設備であり、データはむしろ「技術的負債」とみなされてきた——保存にはコストがかかり、削除にはコンプライアンス対応が必要で、保持し続ければ情報漏洩リスクも伴う。今、その状況が逆転しつつある。清算機関・資産処理プラットフォーム・データブローカーがユーザーデータセットを単独でパッケージ化して販売し始めており、価格はデータの希少性とコンプライアンス水準に応じて数千ドルから数百万ドルまで幅がある。

編集所感：データの所有権と処分権は、AIサプライチェーンにおいて最も曖昧で、かつ最も価値の高い一環になりつつある。創業者は遺品を片付けているつもりでいるが、実際にはまだ値段のついていない鉱山をオークションにかけているのだ。

これは新たな中間層も生み出している。破産裁判所の書類をスキャンして「データ資産」を探す買い手とブローカーたちだ。彼らの仕事は、ある会社が完全に消える前に、その会社のデジタルな記憶を救い出して転売することだ。

プライバシー・コンプライアンス・「第二の命」のグレーゾーン

このビジネスに論争がないわけではない。ユーザーが登録時に同意したプライバシーポリシーは、通常「サービスの提供のため」にデータを使用することを認めているに過ぎず、破産後に第三方へデータを譲渡してAIの学習に使用することを明示的に許可しているわけではない。会社が譲渡され資産がオークションにかけられた場合、その同意は自動的に引き継がれるのか？EUのGDPRや米国各州のプライバシー法が示す答えは一致していない。さらに現実的なリスクとして、データが一度モデルに取り込まれると、ほぼ「忘れさせる」ことができなくなる——元の会社が倒産していても、ユーザーの個人情報はパラメータの形で長期にわたって存在し続ける可能性がある。

このため「データ・デューデリジェンス」も新たなビジネス領域となっている。買い手はデータの出所が合法であること、認可の連鎖が完全であること、機密性の高い個人情報を含まないことを確認する必要があり、さもなければ買ったのが資産ではなく訴訟の火種になりかねない。規制当局にとっての難問は、データが取引可能な資産となったとき、ユーザーの「忘れられる権利」をモデルの重みの中でどのように実現するか、という点だ。

もう一つの物語：AIが動物の「言葉」を学ぼうとしている

同じ号の「The Download」では、別の最先端テーマとして種を超えたコミュニケーションにも注目している。研究者たちは機械学習を用いてクジラ類や鳥類などの動物の音声信号を分析し、その中に文法構造と意味単位を見つけようとしている。AIの強力なパターン認識能力により、「動物との対話」はSFの命題から実験可能な科学的問いへと変わりつつある。ザトウクジラの歌から霊長類のジェスチャーまで、ますます多くのデータセットが構築されている。

もちろん、慎重な声も存在する——人間の言語モデルを動物にそのまま当てはめることは、単なる擬人化による誤読に過ぎないかもしれず、行動学的な検証を伴わない「翻訳」は過剰解釈に陥りやすい、というものだ。

倒産した会社のデータを買い取ることも、クジラの低い鳴き声を解読することも、二つのニュースは同じ根底にあるロジックを指し示している。AIの次の突破口は、これまで見過ごされてきたデータを発見し、読み解き、合法的に活用できるかどうかにかかっている。そしてデータが「副産物」から「コアな資産」へと変わった今、それをめぐる価格設定・権利確定・倫理規範はまだ書き始められたばかりだ。

本記事はMIT Technology Reviewより編訳