Google выбрала и оплатила компанию, которая занимается анонимизацией данных Spirit Airlines

Google согласилась заплатить 10 миллионов долларов за то, что осталось от обанкротившейся авиакомпании. В среду утром судья рассмотрит вопрос о продаже. Reuters сообщил о сумме сделки в понедельник.

Все описания этой сделки сводятся к одному слову. Данные деидентифицированы, поэтому беспокоиться никому не нужно.

Соглашение о продаже данных Spirit Airlines, поданное в суд по делам о банкротстве 14 августа, содержит три пункта об этом процессе, о которых ранее не сообщалось. Если прочитать их вместе, они меняют истинную ценность этого слова.

Google сама выбирает компанию для очистки данных

В освещении сделки утверждалось, что независимая третья сторона очищает данные до того, как они попадут к Google. Контракт звучит более конкретно.

Spirit обязана передать материалы одной или нескольким третьим сторонам, «приемлемым для Покупателя или назначенным им». Google сама выбирает исполнителя.

Google также оплачивает эти услуги. Соглашение возлагает на покупателя всю полноту ответственности за любые расходы по деидентифицикации и прямо указывает, что эти затраты не уменьшают покупную цену. 10 миллионов долларов — это лишь сумма в заголовке, а не итоговый счет.

Затем Google получает право инспектировать выполненную работу. Spirit должна предоставить покупателю разумную возможность ознакомиться с процессом и оставить свои комментарии. Компания обязана добросовестно учесть эти замечания. Критерием качества является процедура очистки, которая устраивает Google.

В этом нет ничего противозаконного. Это стандартная коммерческая практика составления договоров. Просто это совсем не похоже на независимый аудит.

Очистка должна сохранять связи между записями

Это самый важный пункт, и именно его никто не цитировал.

Исполнитель должен подтвердить выполнение работы в соответствии со стандартами Закона Калифорнии о конфиденциальности потребителей. Материалы, касающиеся здоровья, подпадают под действие федерального правила о конфиденциальности в сфере здравоохранения. Оба положения действуют независимо от того, распространялись бы эти законы на данные в иных условиях, что само по себе является реальной защитой.

Затем предложение завершается условием. Сертификация должна сохранять силу «при условии поддержания ссылочной целостности во всем массиве данных».

Ссылочная целостность означает, что связи между записями сохраняются. Связи сохраняются намеренно. Конкретный псевдонимизированный человек по-прежнему прослеживается в цепочке от электронной почты к тикету техподдержки, коммиту в коде и платежной ведомости.

Именно это делает архив ценным для обучения ИИ-агентов. Но это же свойство делает любую анонимизацию уязвимой, и контракт напрямую требует этого.

Что на самом деле находится внутри

Список данных Spirit Airlines выглядит куда конкретнее, чем предполагалось в кратких обзорах.

В нем фигурируют 100 миллионов электронных писем из 80 000 аккаунтов и 500 миллионов сообщений в Teams. Добавьте сюда 17 082 644 файла OneDrive, 20 577 677 файлов SharePoint и 667 563 ИТ-тикета. Джеймс Нани впервые сообщил об общих объемах данных для Bloomberg Law.

Инженерная часть включает 516 репозиториев и примерно 30 миллионов строк кода. Она также содержит 372 585 коммитов, 43 170 пулл-реквестов и сопутствующие логи конвейеров сборки.

Операционные данные огромны. Они охватывают 763 391 рейс и 5 014 676 пар экипажей. В них содержится 190 312 864 записи о бронировании и 7 510 221 520 транзакций, начиная с мая 2008 года. Сбои и пересадки пассажиров добавляют еще 3 000 347 472 строки.

А также корпоративная изнанка: презентации для совета директоров, бюджетные отчеты, воронки продаж, отчеты о комплексной проверке (due diligence), материалы инвестиционного комитета, документы для кредиторов и заключения о справедливости условий слияния.

И сотрудники

В расписании перечислены 175 658 личных дел сотрудников, причем системный учет ведется с августа 1986 года.

К ним прилагается 3 426 618 записей о заработной плате и 148 018 налоговых форм сотрудников. А также 1 092 000 табелей учета рабочего времени, учебных документов, рекрутинговых файлов и запросов на поездки.

Около 17 000 человек потеряли работу, когда Spirit прекратила полеты 2 мая. Теперь их переписка, история выплат и налоговая отчетность превратились в обычные пункты в описи имущества.

Они подписывали трудовые договоры, а не лицензии на данные. В рамках конкурсной массы при банкротстве по Главе 11 этот нюанс уже не имеет значения.

Что Spirit оставила себе и что еще может продать

В описи указано, что данные клиентов в сделку не вошли. Объемы впечатляют: 97,5 миллиона профилей клиентов, 50,2 миллиона участников программы Free Spirit, 740 000 держателей карт, 30 865 471 запись телефонных звонков и 15 784 473 сеанса чата.

По ту сторону черты находятся и регуляторные записи. Сюда входят 2 491 715 запросов на обслуживание пассажиров с инвалидностью, данные об отказах в посадке на рейс и жалобы в Министерство транспорта.

Один из пунктов заслуживает внимательного прочтения. Spirit не имеет права продавать эти активы никому, кроме Google, за одним исключением: компания может продать базу данных своих клиентов (включая расходы индивидуальных путешественников в разрезе по годам) покупателям из индустрии гостеприимства или туризма.

Таким образом, эта продажа не защитила пассажиров. Их просто отделили, а конкурсная масса сохранила право продать их данные на стороне. Axios сообщил об этих исключениях в понедельник.

Торги и то, что они вскрыли

Google начала с 5 миллионов долларов. Компания Mercor, занимающаяся данными для ИИ, ответила предложением в 5,2 миллиона, а затем подняла ставку до 7 миллионов при условии, что сможет забрать сырые данные напрямую и сама их анонимизировать, как сообщил Business Insider. Google закрыла сделку на отметке в 10 миллионов долларов.

Таким образом, один из участников торгов оценил неочищенную версию выше, чем собственную заявку на очищенную. Компания Mercor, которая в июле добивалась оценки в 20 миллиардов долларов, остается резервным покупателем с предложением в 7,5 миллиона.

Google вела подготовку и проверку уже некоторое время. В соглашении упоминается соглашение о конфиденциальности со Spirit от 18 июня.

Зачем понадобилась авиакомпания

Ценность представляют не просто тексты для предварительного обучения нейросетей. Ценность — это причинно-следственные связи.

Архив связывает билет с перепиской по поводу него, последовавшим коммитом в коде, веткой код-ревью и операционным результатом. Агентам, выполняющим многоэтапные задачи, нужно именно это, и обычный парсинг текстов этого не даст.

У Google есть и специфические причины, связанные с авиацией. 12 августа Google Cloud подписала пятилетнее партнерское соглашение с Ryanair, охватывающее управление полетами и планирование технического обслуживания.

Это укладывается в общую тенденцию. Google ведет переговоры о выплате 1,5 миллиарда долларов за стартап из 35 человек, создающий среды для программирования, в то время как Китай столкнулся с аналогичным тупиком в отношении данных для обучения в этом месяце.

Meta попыталась собирать подобные материалы у действующих сотрудников и приостановила программу после бунта персонала. У обанкротившейся компании возражать уже некому.

Что может поставить точку в вопросе

Возражать теперь практически некому. Срок подачи письменных возражений истек в 16:00 17 августа, а суд потребовал от всех присутствующих зарегистрироваться до 11:00 18 августа.

Судья Шон Х. Лейн рассматривает вопрос о продаже данных Spirit Airlines в 11:00 19 августа по Zoom.

Без ответа остаются два вопроса. Кто проводит аудит деидентификации, которую покупатель сам спроектировал, оплатил и утвердил? И кто в итоге купит базу клиентов, учитывая, что конкурсная масса сохранила за собой право на ее продажу?