Quando Keelan Miskell encerrou sua startup de criptomoedas, ele esperava pouco mais do que prejuízo. O que ele não antecipava era que os dados acumulados durante a operação — códigos, registros de plataformas, históricos de fluxo de trabalho — poderiam render dezenas de milhares de dólares, segundo o MIT Technology Review. Miskell é um dos muitos empreendedores que agora monetizam os acervos digitais de empreendimentos fracassados, vendendo-os para laboratórios de inteligência artificial sedentos por dados do mundo real.
A prática reflete uma tensão crescente no campo da IA: à medida que datasets públicos e sintéticos atingem seus limites como fontes de treinamento, laboratórios buscam alternativas mais autênticas — e os restos digitais de startups extintas surgem como um nicho promissor e controverso.
O mercado emergente de dados de startups falidas
Empresas especializadas em encerrar operações de negócios que não prosperaram — administradores de falências, consultorias de liquidação — encontram uma nova oportunidade ao agregar e vender ativos digitais de seus clientes para laboratórios de IA. O valor desses dados reside na autenticidade: interações humanas reais, fluxos de trabalho operacionais e padrões de comportamento em ambientes de negócios dinâmicos são considerados inestimáveis para treinar agentes de IA que precisam tomar decisões em cenários complexos.
Para os laboratórios, a aquisição desses datasets pode representar um atalho significativo, evitando os custos e o tempo associados à coleta de dados primários ou à geração de dados sintéticos que nem sempre capturam a complexidade do mundo real. A corrida pela supremacia em IA intensifica essa demanda, tornando cada gigabyte de dado autêntico um ativo disputado.
Questões legais e éticas
A prática, no entanto, abre uma série de questionamentos difíceis. Uma das principais preocupações é a propriedade dos dados: em muitos casos, os arquivos de uma startup contêm informações sensíveis de usuários, clientes ou parceiros comerciais. A venda desses dados sem o consentimento explícito de todas as partes pode violar leis de proteção de dados — como a LGPD no Brasil ou a GDPR na Europa — além de acordos contratuais preexistentes.
Há também a questão da integridade dos dados em si. Se uma startup falhou parcialmente por problemas de segurança ou má gestão, seus arquivos podem estar comprometidos ou conter informações que jamais deveriam circular. A falta de transparência sobre a origem e o conteúdo desses datasets expõe os laboratórios de IA a riscos legais e reputacionais — especialmente em um setor que já enfrenta escrutínio crescente sobre viés algorítmico e privacidade.
Implicações para o ecossistema de inovação
O surgimento desse mercado tem efeitos ambíguos para o ecossistema de inovação. Por um lado, pode oferecer um fluxo de caixa inesperado para empreendedores que enfrentam o encerramento de seus negócios, ajudando a cobrir custos de liquidação. Para os laboratórios de IA, representa uma forma eficiente de adquirir recursos valiosos. Por outro lado, a transformação de dados em mercadorias negociadas de forma opaca pode desincentivar a colaboração aberta e criar precedentes problemáticos para a governança de dados.
No Brasil, onde o ecossistema de startups ainda está em consolidação, a discussão é particularmente relevante. A ausência de marcos regulatórios específicos para a transferência de dados de empresas em liquidação pode abrir espaço para abusos e criar um vácuo legal que prejudique tanto usuários quanto o mercado como um todo.
O futuro do treinamento de IA e a transparência
A dependência de dados de startups falidas sinaliza simultaneamente maturidade e escassez no campo da IA. A busca por fontes cada vez mais específicas e autênticas sugere que os modelos continuarão a evoluir — mas a sustentabilidade ética dessa evolução ainda está em aberto.
O debate sobre consentimento, origem dos dados e responsabilidade precisa se tornar central na indústria. A forma como essas questões forem endereçadas definirá não apenas o ritmo do avanço tecnológico, mas também a confiança do público nas tecnologias de IA que cada vez mais moldam o cotidiano.
Com base em reportagem do MIT Technology Review (The Download, 28/10/2026).
Source · MIT Technology Review
