Dati di startup fallite per l'IA: il nuovo mercato di Grok e SpaceX

I tuoi dati aziendali valgono

Keelan Miskell non immaginava che la chiusura della sua startup nel settore delle criptovalute potesse generare un ritorno economico. L'azienda aveva pochi anni di vita e gli utenti erano anonimi, elementi che solitamente rendono un archivio digitale privo di valore di mercato. Eppure, Miskell è riuscito a trasformare i resti della sua attività in liquidità.

L'operazione ha portato a un incasso di circa 25.000 dollari per il codice sorgente e a un ulteriore importo, stimato intorno ai 15.000 dollari, per i dati provenienti dagli spazi di lavoro su Slack, Figma, Notion e Google. Per Miskell, l'operazione ha significato che 'almeno tutto ciò che abbiamo fatto per due anni e mezzo vale qualcosa per qualcuno da qualche parte'.

Questo caso non è isolato, ma segna la nascita di un mercato secondario dove il fallimento imprenditoriale non coincide più con la cancellazione dei dati, bensì con la loro monetizzazione. I laboratori di IA, affamati di dataset proprietari e realistici, stanno diventando i principali acquirenti di questi scarti digitali.

10 milioni di dollari

Il volume di queste transazioni sta crescendo rapidamente. SimpleClosure, una società specializzata nella gestione delle startup in fase di chiusura, ha integrato la vendita di dati nei propri servizi ad aprile. Attraverso la piattaforma Asset Hub, l'azienda facilita la vendita di e-mail, chat e documenti. Ad oggi, Asset Hub ha gestito oltre 150 operazioni e l'obiettivo è restituire oltre 10 milioni di dollari ai fondatori di startup entro la fine del 2026.

Analisi strategica: Questo fenomeno indica uno spostamento del valore aziendale. Se tradizionalmente il valore di una startup in crisi risiedeva nel brand o in brevetti specifici, oggi risiede nella 'traccia digitale' dell'operatività. I dati di workflow, le interazioni tra team su Slack e la struttura del codice sorgente sono diventati asset strategici per chi deve addestrare modelli di linguaggio (LLM) a simulare ambienti di lavoro reali o a scrivere codice efficiente.

La spinta a questo mercato è alimentata da un dato strutturale: le chiusure di startup sono aumentate tra il 26% e il 56% all'anno, secondo stime di AngelList e Carta. Più aziende falliscono, più materiale grezzo diventa disponibile per i laboratori di IA.

Perché i fallimenti nutrono Grok

La ricerca di dati proprietari ha spinto anche i grandi player a guardare verso le macerie del venture capital. SpaceX avrebbe avviato colloqui interni e informali per l'acquisto di informazioni operative e dati di clienti provenienti da startup in difficoltà o già cessate. L'obiettivo è chiaro: migliorare le prestazioni di Grok, il modello di IA legato all'ecosistema di Elon Musk.

L'approccio di SpaceX ricorda una mossa di Alphabet, che aveva mostrato interesse per i dati aziendali di Spirit Airlines. In entrambi i casi, l'idea è che i dati di un'impresa in crisi possiedano un valore intrinseco come risorsa di addestramento, poiché offrono spaccati di processi aziendali che non sono disponibili nel web pubblico.

I laboratori di IA non cercano solo informazioni, ma pattern. I dati di startup fallite permettono di addestrare l'IA su come le aziende comunicano, come gestiscono i progetti e dove commettono errori. Questo tipo di addestramento è fondamentale per creare agenti IA capaci di operare in contesti business complessi.

Dori Yona e gli impresari funebri

Al centro di questa filiera si collocano figure professionali inedite. Dori Yona, amministratore delegato di SimpleClosure, opera in quello che può essere definito l'ecosistema della fine del ciclo di vita aziendale. In questo ambito sono emersi i cosiddetti 'death doulas' tecnologici, coach e studi legali che aiutano i fondatori a gestire le complicazioni fiscali e operative del fallimento.

Yona ha trasformato questo supporto in un business di intermediazione di asset. SimpleClosure non si limita a chiudere le aziende, ma agisce come broker tra il fondatore disperato e i laboratori di IA. I clienti di Asset Hub includono fornitori di spazi di lavoro simulati per l'addestramento dell'IA, aziende tecnologiche consolidate e laboratori di fondazioni.

Il ruolo di Yona è quello di dare un prezzo a ciò che prima era considerato spazzatura digitale, creando un ponte tra il fallimento di un progetto e l'evoluzione di un algoritmo.

La caccia agli archivi digitali

La strategia di acquisizione si sta spostando verso dataset sempre più specifici. Non si tratta più solo di scraping del web, ma di acquisizioni mirate di archivi privati. I laboratori di IA stanno infatti puntando su tre categorie di asset:

• Codice sorgente: per migliorare le capacità di programmazione dei modelli.
• Comunicazioni interne: chat di Slack e e-mail per affinare il tono di voce e la comprensione del contesto aziendale.
• Dati operativi: flussi di lavoro su Notion e Figma per comprendere la progettazione di prodotti.

Questa 'corsa all'oro' dei dati, come suggerito da GuruHiTech, vede SpaceX e altri colossi competere per l'accesso a informazioni che non possono essere generate sinteticamente senza perdere di realismo.

Analisi geopolitica: Il controllo di questi dataset proprietari crea un fossato competitivo (moat) enorme. Chi possiede i dati di migliaia di startup fallite possiede essenzialmente una mappa di ciò che funziona e ciò che non funziona nel business moderno, trasformando l'IA in uno strumento di analisi predittiva del mercato.

Il riuso dei dati tra GDPR e AI Act

Il trasferimento di archivi digitali da una startup fallita a un laboratorio di IA non è un'operazione priva di rischi legali, specialmente in Europa. Il riuso di dati personali per l'addestramento di modelli deve infatti confrontarsi con il GDPR. I punti critici riguardano la determinazione delle finalità, la base giuridica del trattamento e la trasparenza verso gli interessati.

Secondo le analisi di Studio Global, è necessario un effettivo bilanciamento dei diritti degli interessati. Se un utente ha fornito i propri dati a una startup per un servizio specifico, non è automatico che tali dati possano essere venduti a terzi per addestrare un'IA, a meno che non vi sia un consenso esplicito o una base giuridica valida.

L'AI Act europeo introduce ulteriori livelli di complessità, imponendo obblighi di trasparenza sui dati utilizzati per l'addestramento. Per le imprese italiane, questo scenario comporta due rischi principali:

Primo, il rischio di sanzioni per i fondatori che vendono archivi contenenti dati personali senza averne il diritto legale. Secondo, il rischio per i laboratori di IA che acquistano dataset 'sporchi' o non conformi, rendendo i modelli prodotti potenzialmente illegali o soggetti a richieste di cancellazione dei dati (right to be forgotten).

Scenario futuro: È probabile l'emergere di servizi di 'data scrubbing' certificati che puliscano i dataset delle startup fallite da ogni riferimento personale prima della vendita. Indicatore verificabile: l'apparizione di certificazioni ISO o standard europei specifici per la 'sanitizzazione' dei dati destinati all'addestramento IA entro il 2027.

Domande frequenti

Fonti: Technologyreview, Studioglobal, Guruhitech ·