大模型把公开互联网文本“吃”得差不多了，AI公司于是把视线转向更私密、更贴近真实场景的数据——公司内部的工作文件、邮件、会议纪要和客服记录。WIRED记者Steven Levy在2026年11月7日的报道里提到，数据经纪商正在搜集各类企业内部文件，用于帮助训练AI模型，对此感到兴奋的人并不多。
从公开网页转向企业内部
前几年，AI训练数据大多取自网页、书籍、论坛和开源代码。问题是，高质量公开文本被大量消耗后，能挖的新鲜语料越来越少。AI公司便开始找更贴近真实工作流程的数据，企业内部文件正好符合这个需求：项目讨论、决策过程、客户沟通、代码注释、销售话术、故障处理记录都在其中，语言自然、场景丰富，普通网页内容没法比。
数据经纪商的新生意
报道描述的趋势是，数据经纪商做的已不只是消费者画像、联系方式和浏览记录的买卖，企业内部文件、邮件归档、会议记录等也被他们打包成训练数据产品。这些资料在企业眼里原本只是运营副产品，到了AI公司手上，却可能成为提升模型推理、写作、编程和客服能力的“高营养语料”。中间商就这样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
工作文件贵在“真实”。公开网页里满是营销文案和重复内容，企业邮件和项目文档则记录了人怎么提出问题、协商方案、化解冲突、完成任务。模型可以借此学习职场语境、专业术语和多步骤决策。对想让AI助手融入办公场景的公司来说，真实工作流数据几乎找不到替代品。合成数据能扩充规模，但组织内部长期积累的隐性知识，它难以完整复制。
不情愿的“数据贡献者”
问题在于，这些文件往往不是为训练AI而写的。邮件里可能有对员工的个人评价，会议纪要可能牵涉并购和裁员，客服记录可能带着用户隐私，代码库里还可能藏着商业秘密。员工未必知道自已过去写的文档被打包卖了出去，客户也未必同意自己的沟通记录被拿去训练模型。报道用“并非所有人都兴奋”来描述这种情绪，背后是隐私、同意和利益分配三方面的焦虑。
合规与治理难题
从法律上看，企业数据能不能被数据经纪商转售，要看合同条款、数据来源和所在地法规。企业就算拥有文件所有权，也不等于能无限制地拿去做AI训练，涉及个人信息、知识产权和行业监管数据时尤其如此。AI公司买了来源不清的数据，可能招来版权和隐私诉讼；企业若被员工或客户发现内部资料用于训练模型，品牌信任可能受损。数据供应链的透明度，因此成了关键。
编者分析：别让数据交易绕开治理
这则报道点出的不只是AI公司的数据饥渴，还有企业数据治理的滞后。不少公司并不清楚自己手里有哪些高价值文本资产，授权、脱敏和审计机制也没建起来。面对数据经纪商的报价，企业得先回答几个问题：这些文件里有没有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公司能不能限制数据用途和保留期限？这些问题没有答案，短期交易就可能变成长期风险。
企业得先把数据资产盘清楚，做好分类分级与脱敏，再通过合同把训练用途、模型范围和删除机制限定下来，并把数据的使用方式告知员工和客户。说到底，可追溯的数据授权链才是更妥当的路径。AI公司同样应优先使用已获明确授权的数据，别去走灰色渠道。高质量工作数据在AI时代的确稀缺，可稀缺不代表能无序开采。
