Індустрія штучного інтелекту зіткнулася з фундаментальною проблемою: якісні дані для навчання моделей стрімко закінчуються. Ринок уже відреагував на цей дефіцит несподіваним чином — від оптових закупівель друкованих книг з подальшою утилізацією до ліцензування людських облич для ІІ-серіалів.
Колапс моделі та «чисті» дані
Ключова загроза для майбутніх поколінь нейромереж — так званий «колапс моделі». Цей термін, формалізований групою дослідників під керівництвом Іллі Шумайлова в травні 2023 року, описує деградацію ІІ-систем, що навчаються на даних, згенерованих іншими нейромережами. З кожним циклом такі моделі стають дедалі більш усередненими, втрачають зв'язок із реальністю та накопичують помилки.
Масштаб проблеми підтверджується цифрами. Аналіз 900 000 нових сторінок у пошуку Google, проведений у квітні 2025 року, показав, що понад 74% контенту має ознаки автогенерації. За оцінками Epoch AI, весь придатний для навчання текст в інтернеті може бути вичерпаний уже до 2026-2032 років.
Саме тому книги, видані до 2022 року, набувають особливої цінності — це одне з небагатьох джерел, гарантовано вільних від «синтетичного сміття». Однак доступ до цього ресурсу пов'язаний із юридичними та етичними складнощами. Деякі автори навіть вдаються до «отруєння» даних, вбудовуючи в тексти приховані команди. Дослідження показують, що для впровадження шкідливих патернів у LLM достатньо лише 250 «отруєних» документів.
Книжковий бізнес під сканером
Практика масової скупки книг для навчання ІІ уже вийшла на індустріальний рівень. Показовим є приклад сервісу ISBNdb, що агрегує метадані 113 млн видань. Компанія пропонувала ІІ-лабораторіям послуги оптового брокера: викуп партій книг від 1000 до 1 млн екземплярів із гарантією «чистоти» від ІІ-слопу та юридичним захистом через угоди про нерозголошення. Букіністи підтверджували аномальне зростання закупівель із квітня 2026 року — продажі одного з них зросли з 20 до кількох сотень екземплярів на тиждень, причому покупців не цікавила ані цінність, ані жанр видань.
Після публікації розслідування ISBNdb поспіхом видалила промо-сторінку та заявила, що це був лише «тест на ринковий попит». Однак сама логіка такого бізнесу показова: книга на вторинному ринку коштує $2-5, а модель, навчена на мільйонах таких екземплярів, оцінюється в мільярди доларів. Примітно, що суди вже стали на бік ІІ-компаній — у червні 2025 року суддя Вільям Алсуп постановив, що оцифрування законно придбаних книг для навчання мовних моделей підпадає під доктрину добросовісного використання.
Оренда облич і голосів
Аналогічна ситуація складається на ринку біометричних даних. У Китаї, де понад 95% із 128 000 ІІ-мінідорам, випущених за перший квартал 2026 року, створені з використанням штучного інтелекту, платформи на кшталт ActID і New Claw платять людям від $15 до $700 за ліцензування їхніх зображень. Продюсери обирають обличчя за категоріями на кшталт «сусідська дівчина» або «брутальний», а користувачі отримують пасивний дохід.
Однак цей ринок таїть серйозні ризики. Британські громадяни, які продали права на свої цифрові аватари стартапу Synthesia, виявили свої «клони» у пропагандистських роликах, що підтримують диктаторські режими Венесуели та Буркіна-Фасо. Як слушно зазначають юристи, умови ліцензування часто настільки розмиті, що неможливо проконтролювати кінцеве використання зовнішності.
Мій вердикт
Ми спостерігаємо формування нового типу сировинного ринку, де людський досвід — тексти, обличчя, голоси, рухи — стає таким самим ресурсом, як нафта чи рідкісноземельні метали. Схема всюди однакова: спочатку дані брали без дозволу, тепер за них платять, але актив однаково безповоротно йде з-під контролю власника. Різниця лише в тому, що тепер у вас є квитанція. Питання лише в тому, скільки триватиме ця ілюзія контролю, перш ніж регулятори усвідомлять необхідність принципово нових правил гри.