买方公开表示需要什么
OpenAI 的数据合作计划征集“在网上不易获取”的大型数据集，不限模态，包括本地语言。公开的授权项目列出了从 AutoCAD 到 ServiceTitan 的各类源系统。
记录类型及其价值
| 记录类型 | AI买方看重的原因 |
|---|---|
| 操作规程与手册 | 逐步说明一项任务应如何完成 |
| 客服工单与CRM记录 | 展示真实问题、排查过程和解决方案 |
| 带修订记录的工程图纸与CAD | 记录设计决策及其变更原因 |
| 检验与测试结果 | 将测量数据与合格判定和整改关联起来 |
| 维护与维修日志 | 记录真实工况下的诊断过程 |
| 生产与工艺数据 | 长期关联工艺参数与结果 |
| 项目历史、邮件与聊天记录 | 展示决策、权衡与协作 |
为何“工作如何完成”成为新需求
AI开发商正在构建能执行多步骤工作的智能体。为了训练和测试智能体，他们需要完整任务的案例：需求、步骤、使用的工具和结果。买方将其中一种形式称为“智能体轨迹”。对大多数企业而言，已完整记录工作流程的业务记录就是最接近的数据。
买方不需要什么
- 关于客户或员工的敏感个人信息。
- 属于第三方的信息，例如客户档案或受保密协议约束的供应商图纸。
- 已经公开的内容。
- 缺乏背景或结果的孤立文件。
哪些行业拥有最有价值的记录？
任何拥有多年自行创建的专业记录的企业都可能符合条件。技术型行业尤为突出，因为其专业知识很少出现在网上，请参阅面向AI的制造与工程数据。需要说明的是，我们没有找到任何AI实验室明确点名需要制造或检验数据的公开声明；授权项目将 AutoCAD 和 ServiceTitan 列入源系统，是目前最接近的公开证据。
常见问题
AI公司会购买CRM或客服工单数据吗？
会。公开的授权项目将CRM和客服系统列入可接受的数据来源，前提是删除个人信息。
旧邮件和 Slack 消息有价值吗？
可能有，因为它们展示了特定情境下的决策。但其中个人信息也最多，因此需要谨慎界定范围并进行去标识化。
买方需要日文或中文数据吗？
部分买方需要。OpenAI 的合作征集包括本地语言。
源代码可以授权吗？
通常可以，前提是代码归贵公司所有，且不包含许可条款相冲突的第三方或开源代码。