【光影者MZ專欄】Google為什麼要買員工電郵?從千萬美元交易,看懂AI的新競爭
Google為何願意花費千萬美元購買已停業公司的員工電郵資料?
Google出價一千萬美元,擬購買已停業的Spirit航空內部資料,用於產品開發與AI訓練,此交易仍待法院批准。這批資料包含約一億封電郵、五億則Teams訊息及其他員工紀錄,其價值在於能呈現決策過程中的問題、討論、行動與結果,這對AI若要協助真實工作處理資訊不足、意見衝突與例外狀況至關重要。Google表示將排除或由第三方去識別化個人資訊後才交付,但此舉仍引發關於資料所有權、員工權利及隱私的爭議,國會議員要求員工參與、獨立審查與後續用途限制。
光影者MZ/斜槓法律人、資本市場與地緣政治觀察者
Google出價一千萬美元,擬購買已停業的Spirit航空內部資料,用於產品開發與AI訓練,交易仍待法院批准。
這很容易被看成又一宗隱私爭議。但更值得問的是:一家科技巨頭,為什麼願意為倒閉公司的工作紀錄付錢?它買到的,究竟是大量文字,還是公開網路難以提供的工作經驗?
一、一億封電郵的價值,在於決策過程
依美國國會議員十月八日公開資料,擬售範圍涉及約一億封電郵、五億則Teams訊息,以及其他員工紀錄。
一份正式報告記載最後的決定,來回電郵卻可能留下:為什麼改排班、哪個部門不同意、如何處理客訴,以及一次失誤怎麼被發現。
它的潛在價值,在於把問題、討論、行動與結果連起來。AI若要協助真實工作,就必須處理資訊不足、意見衝突與例外狀況,而不只是回答標準題。
但紀錄也會包含錯誤與偏見。資料多寡,不能代替品質與驗證;買下企業檔案,也不等於取得可直接複製的管理能力。
二、掌握資料,還要進入工作流程
Google的Gemini Enterprise已把連接企業資料、整合Microsoft 365與Google Workspace,以及執行跨系統工作,列為主要功能。
這個產品方向,讓我們看見另一層競爭:能寫一封信,與能找對資料、理解任務、按照權限推進流程,是不同的產品價值。
還須分清楚,讓AI讀取資料提供服務,與允許業者拿去訓練模型,是兩種安排。Google明示,Gemini Enterprise的客戶資料不會被用來訓練其模型;這與另行購買訓練資料,不能混為一談。
因此,評估企業AI,除了模型強弱,也應看它能取得哪些合法可用的資料,能否整合流程,以及完成任務是否可靠。Spirit案的商業意義,可以放在這個脈絡理解。
三、去識別,沒有解決所有權利問題
Google表示,個人資訊將被排除,或由第三方去識別後才交付。但美國國家標準暨技術研究院指出,部分去識別資料仍可能被重新識別。
即使個人身分無法還原,保密內容能否轉用,仍應審查。公司掌控信箱,不代表可以跳過對員工、客戶及第三人的義務。
員工為排班、請假或安全通報留下資訊,是在特定工作關係中交付。把這些紀錄轉為外部AI的教材,改變了使用目的,也改變了受益者。國會議員因此要求員工參與、獨立審查與後續用途限制。
這裡的核心,是技術上可以處理的資料,法律上是否有權使用,以及原本交付資訊的人,有多少參與決定的空間。
四、AI越了解我們,誰取得更多決定權?
企業引進AI,應同時問:哪些資料可以交付、哪些用途必須禁止,以及更換供應商時,累積的知識與流程能否保留。個人同樣如此。當你把主管的訊息交給AI,請它判斷對方的意思,系統如何選擇解釋,也可能影響你怎麼理解這段關係。理解越貼身,服務越有價值;但「它懂我」,不代表它的商業利益始終與我一致。
Spirit案讓我們看見,企業與個人的經驗也可以成為AI競爭的資源。值得守住的,包括誰能決定用途、誰分享收益,以及人能否修正系統對自己的理解。
資料的商業價值,與資料持有者的處分權限,必須分開判斷。AI可以從人的經驗中進步;這份進步如何使用,不能只由取得資料的平台決定。
【以上言論為第三人投書,不代表本刊立場,讀者請本於客觀事證自行評價】
照片來源:Unsplash示意圖
《更多CNEWS匯流新聞網報導》
【光影者MZ專欄】中國晶片追上了嗎?從七奈米、台積電七成市占,看懂真正的科技差距
【光影者MZ專欄】當川普連他的名字都不提:川習會後,台灣被重新標價
【文章轉載請註明出處】
Google購買Spirit航空員工資料的目的是什麼?
Google購買Spirit航空員工資料的主要目的是用於產品開發與AI訓練。這批資料能提供AI學習真實工作情境中的決策過程,包含問題、討論、行動與結果,以協助AI處理複雜的工作任務。
Google購買的員工資料是否包含個人隱私資訊?
Google表示,將排除個人資訊,或由第三方進行去識別化處理後才交付。然而,美國國家標準暨技術研究院指出,部分去識別化的資料仍可能被重新識別,這引發了關於隱私權的擔憂。
Spirit航空的員工資料為何具有商業價值?
Spirit航空的員工資料,如電郵和Teams訊息,能呈現真實工作中的決策過程、問題處理、意見衝突及例外狀況,這對訓練AI模型以協助真實工作場景具有潛在價值,是公開網路難以提供的寶貴工作經驗。