AI公司正抢购你的工作文件和邮件

编者按：当大模型逐渐“吃光”公开互联网文本，AI公司开始把目光投向更私密、更真实的数据——企业内部的工作文件、邮件、会议纪要和客服记录。WIRED记者Steven Levy在2026年11月7日的报道中指出，数据经纪商正在收集各类公司内部文件，用来帮助训练AI模型，而并非所有人都对此感到兴奋。

从公开网页转向企业内部

过去几年，AI训练数据主要来自网页、书籍、论坛和开源代码。但随着高质量公开文本被大量使用，可供挖掘的新鲜语料越来越少。AI公司于是寻找更贴近真实工作流程的数据。企业内部文件恰好具备这种价值：它们包含项目讨论、决策过程、客户沟通、代码注释、销售话术和故障处理记录，语言自然、场景丰富，远非普通网页内容可比。

数据经纪商的新生意

文章所描述的趋势是，数据经纪商不再只买卖消费者画像、联系方式和浏览记录，而是把企业内部文件、邮件归档、会议记录等打包成训练数据产品。对企业而言，这些资料原本只是运营副产品；对AI公司而言，它们可能是提升模型推理、写作、编程和客服能力的“高营养语料”。中间商因此看到了新的套利空间。

数据经纪商正在把企业内部文件变成AI训练燃料，但数据来源、授权范围和员工知情权仍处于灰色地带。

为什么AI公司渴望工作文件

工作文件的价值在于“真实”。公开网页充满营销文案和重复内容，而企业邮件和项目文档记录了人类如何提出问题、协商方案、解决冲突和完成任务。这类数据能帮助模型学习职场语境、专业术语和多步骤决策。对于希望让AI助手融入办公场景的公司来说，真实工作流数据几乎是不可替代的。与此同时，合成数据虽然可以扩充规模，却难以完全复制组织内部长期积累的隐性知识。

不情愿的“数据贡献者”

问题在于，这些文件往往并非为训练AI而生。邮件里可能有员工个人评价，会议纪要可能涉及并购和裁员，客服记录可能包含用户隐私，代码库则可能藏着商业秘密。员工未必知道自己过去写下的文档被打包出售，客户也未必同意自己的沟通记录进入模型训练。报道用“并非所有人都兴奋”来形容这种情绪，背后其实是隐私、同意和利益分配的三重焦虑。

合规与治理难题

从法律角度看，企业数据能否被数据经纪商转售，取决于合同条款、数据来源和所在地法规。即使企业拥有文件所有权，也不代表可以无限制地用于AI训练，尤其是涉及个人信息、知识产权和行业监管数据时。对AI公司而言，购买来源不清的数据可能带来版权和隐私诉讼；对企业而言，若员工或客户发现内部资料被用于训练模型，品牌信任可能受损。数据供应链的透明度因此成为关键。

编者分析：别让数据交易绕开治理

这则报道揭示的不只是AI公司的数据饥渴，更是企业数据治理的滞后。许多公司并不清楚自己拥有哪些高价值文本资产，也没有建立授权、脱敏和审计机制。面对数据经纪商的报价，企业需要先回答几个问题：这些文件是否包含个人信息或商业秘密？员工和客户是否被告知并同意？出售或授权是否违反现有合同？AI公司能否限制数据用途和保留期限？如果没有这些答案，短期交易可能变成长期风险。

更合理的路径是建立可追溯的数据授权链：企业先盘点数据资产，完成分类分级和脱敏，再通过明确合同限定训练用途、模型范围和删除机制；同时向员工和客户披露数据使用方式。AI公司也应优先采用获得明确授权的数据，而不是依赖灰色渠道。高质量工作数据确实是AI时代的稀缺资源，但稀缺不等于可以无序开采。

本文编译自WIRED