Google presentó una oferta y ganó un enorme conjunto de datos anonimizados de Spirit Airlines, aerolínea que cesó sus operaciones en mayo de 2026, por $10 millones de dólares (mdd). La transacción está sujeta a aprobación judicial.
La otra empresa que pujó por ellos fue Mercor, dedicada a proporcionar datos para el entrenamiento de modelos grandes de lenguaje (LLM), lo que sugiere el valor detrás del activo en venta. Su oferta fue $2.5 mdd menor.
Un documento judicial presentado la semana pasada señala que Google obtendría correos electrónicos, información del calendario, chats, documentos, hojas de cálculo y otros datos comerciales. Aunque no incluye perfiles de pasajeros ni su información de viajero frecuente.
El desarrollador de Gemini planea utilizar los datos para el desarrollo de productos y el entrenamiento de sus modelos, de acuerdo con Reuters. Por su parte, The Register plantea que podrían servir como base para un modelo de operaciones aéreas o para otro sistema de inteligencia artificial (AI).
El valor de este tipo de información para entrenar sistemas de AI también depende de su cantidad, calidad y diversidad. El Digital Progress and Trends Report 2025 del Banco Mundial señala que estos tres factores son decisivos para que los modelos sean eficaces, robustos y adaptables a distintos contextos.
El acuerdo establece que antes de transferir los datos a Google, Spirit debe entregarlos a uno o más terceros designados o aceptados por la filial de Alphabet para realizar la desidentificación. El objetivo es eliminar o transformar elementos de manera que los datos no puedan asociarse con un consumidor.
El gigante de internet se compromete a mantener y utilizar los datos en forma desidentificada y a no asociarlos intencionalmente con una persona o un hogar.
La memoria digital de Spirit que Google obtendrá
Además de los 100 millones de correos electrónicos y 500 millones de mensajes de Microsoft Teams, 17 millones de archivos de OneDrive y 20.5 millones de elementos de SharePoint que Google busca adquirir, también hay 516 repositorios, con aproximadamente 30 millones de líneas de código, historial de commits, pull requests, issues y datos de CI/CD.
El conjunto de datos también incluye más de 30 millones de grabaciones de llamadas de soporte al cliente y más de 15 millones de registros de chats de servicio al cliente.
Además, la colección cuenta con 600,000 tickets de ServiceNow, 13.7 millones de direcciones de correo electrónico activas provenientes de la aplicación de marketing Responsys de Oracle y detalles sobre 11 millones de ventas de servicios de Wi-Fi a bordo.
Por último, contiene información operativa que describe más de 763,000 vuelos, cinco millones de asignaciones de tripulación, más de 1.2 millones de comprobantes de combustible y registros de compra de 787,452 piezas.
