¿Cuánto valen los datos de su empresa para los laboratorios de IA?

Por qué los laboratorios pagan por datos de empresa

Los grandes modelos de lenguaje se entrenaron sobre todo con texto público: webs, foros, libros y código. La mayor parte ya se ha usado. Los modelos saben escribir un correo decente, pero ante un trabajo real de principio a fin, como cerrar la contabilidad del mes o resolver un ticket de soporte en un CRM, todavía fallan a menudo.

La razón es sencilla. Los modelos han visto muy pocos registros de cómo hacen ese trabajo los profesionales. Su empresa genera esos registros cada día, en el chat, el correo, los documentos, los tickets y los sistemas. Eso es lo que pagan los laboratorios.

Qué dicen los acuerdos públicos

Pocos precios de datos de entrenamiento son públicos, y la mayoría de los acuerdos conocidos son con grandes plataformas. Aun así, dan referencias útiles. Los importes están en dólares estadounidenses, tal como se publicaron.

• Google y Reddit: unos US$60M al año, según se informó, por acceder al contenido de Reddit.
• News Corp y OpenAI: hasta US$250M en cinco años, según se informó.
• Startups que venden archivos antiguos de Slack y correo: entre US$10K y US$100K por acuerdo, según Forbes (abril de 2026).
• Tareas de aprendizaje por refuerzo creadas a partir de trabajo real: entre US$200 y US$2000 cada una (Epoch AI, enero de 2026).
• Acuerdos exclusivos: varias veces el precio de los no exclusivos, según se informó.

Cómo leer esas cifras

Una plataforma con millones de usuarios no es el mismo vendedor que una empresa de 40 personas. Aun así, las cifras muestran dos cosas. Primero, los registros de trabajo privados de empresas normales ya se venden, y los importes llegan a decenas de miles. Segundo, el precio por elemento sube mucho cuando los datos muestran tareas completas y verificables, porque los laboratorios pueden convertirlas en ejercicios de entrenamiento para agentes de IA.

Siete factores que fijan el precio

Todos los conjuntos de datos se valoran con los mismos factores. Algunos no dependen de usted, como los años que lleva su empresa en marcha. Otros puede mejorarlos antes de vender.

• Volumen y años de historial. Más registros durante más años dan a los laboratorios más variedad y más ejemplos de una misma tarea bien hecha.
• Estructura. Los tickets con una solicitud, unos pasos y un resultado claros valen más que archivos sueltos. Los registros enlazados entre sí, como un ticket, el hilo de correo y el documento final, valen más todavía.
• Especialización. El trabajo que hacen pocas empresas, o que exige criterio experto, es escaso en los datos de entrenamiento. Los datos escasos se pagan más.
• Idioma. Los datos en inglés abundan. El neerlandés, el polaco, el sueco, el checo y otras lenguas europeas escasean, así que los mismos registros en esos idiomas suelen valer más.
• Limpieza. Los datos con pocos duplicados, poco ruido y datos personales fáciles de eliminar cuestan menos de preparar, y el vendedor sale ganando.
• Exclusividad. Si un solo laboratorio obtiene los datos, paga más. Las licencias no exclusivas pagan menos por comprador, pero pueden venderse más de una vez.
• Número de compradores. Los datos que quieren varios laboratorios pueden cederse varias veces en condiciones no exclusivas.

Qué fuentes suelen valer más

No todas las herramientas de su empresa tienen el mismo valor. Las fuentes que muestran el trabajo desde la solicitud hasta el resultado suelen quedar arriba, porque los laboratorios pueden convertirlas en tareas con una respuesta conocida.

Los tickets de soporte y del service desk, los tableros de proyecto enlazados con documentos y los repositorios de código con su historial suelen ser las fuentes más fuertes. El chat interno y el correo vienen después, cuando muestran decisiones y resolución de problemas. Los procedimientos, checklists y manuales añaden un contexto que eleva el valor de todo lo demás. Las carpetas de documentos finales sin historial son las que menos valen por sí solas, aunque también cuentan.

• Normalmente alto: tickets con resultado, código con historial, hojas de cálculo con fórmulas que funcionan, comentarios de revisión.
• Normalmente medio: chat interno y correo, fichas del CRM, tableros de proyecto.
• Normalmente más bajo por sí solo: informes finales, material de marketing, unidades compartidas con poca estructura.

Dos empresas comparadas

Tome dos empresas de 40 personas. La primera es una oficina generalista que guarda sobre todo documentos finales en una unidad compartida, en inglés, con tres años de historial. La segunda es una firma especializada con doce años de tickets, un procedimiento escrito para cada tipo de tarea y registros en neerlandés y alemán.

La segunda recibirá normalmente una oferta claramente más alta. Sus registros son más antiguos, están enlazados, son especializados y están en idiomas de los que los laboratorios tienen poco. La primera también puede vender, y puede aumentar su valor añadiendo fuentes con más historial, como el correo o una herramienta de tickets.

Qué reduce el precio

Algunas cosas reducen el valor o dejan datos fuera. Huecos de varios años, documentos escaneados sin texto legible, archivos llenos de newsletters y notificaciones automáticas, y textos escritos a su vez por IA valen menos. También los datos en los que una gran parte es información personal que hay que eliminar.

Los derechos poco claros son lo que más baja el precio. Si no puede demostrar que los datos son suyos para ceder, un laboratorio no puede usarlos, sea cual sea su calidad. Por eso quedan fuera los datos que trata para clientes, el contenido bajo acuerdos de confidencialidad con clientes y el material escrito por terceros.

Por qué la estimación usa plantilla, antigüedad y facturación

Antes de que nadie haya visto sus fuentes, tres datos predicen bastante bien el valor. La plantilla indica cuántas personas generan registros. Los años de actividad indican cuánto historial existe. La facturación dice algo de la escala y la complejidad del trabajo.

La estimación de Lodex usa estos tres datos para dar un primer rango. Según la empresa, las estimaciones quedan dentro de €10K–€600K. La oferta final depende de las fuentes que incluya, de su volumen y calidad, de las condiciones de acceso y de nuestra revisión.

Cómo aumentar el valor antes de vender

Unos pocos pasos prácticos marcan una diferencia clara, y la mayoría llevan poco tiempo.

• Elija fuentes con un historial largo y sin cortes frente a fuentes migradas hace poco.
• Incluya los registros alrededor de un resultado: la solicitud, la discusión y el resultado.
• Ponga por escrito sus procedimientos. Checklists, manuales y notas de revisión añaden un contexto por el que pagan los laboratorios.
• Aclare pronto los derechos revisando contratos con clientes y acuerdos de confidencialidad.
• Deje fuera el ruido, como newsletters, alertas automáticas y carpetas personales.
• Indique todos los idiomas en los que trabaja su equipo. Los registros en idiomas distintos del inglés suelen ser la parte más valiosa.

Cómo funciona el pago

Acuerda el alcance y el precio con Lodex por escrito antes de que nos conectemos. Nos conectamos en modo de solo lectura, limpiamos y preparamos los datos, y hacemos una revisión de calidad. Cuando sus datos superan la revisión, cobra en un plazo de 7 días. Los compradores solo ven muestras censuradas hasta que el paquete está pagado.

Para ver un primer rango para su empresa, rellene la estimación. Lleva un minuto aproximadamente y no le compromete a nada.