AI labs are buying data from dead startups to train their models

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

폐업 기업의 업무 데이터가 AI 훈련 자산으로 거래되지만, 성능 개선 효과와 적정 가격은 불확실하고 개인정보·직원 동의·수익 배분 문제가 남아 있다.

📌 핵심 요약

• Keelan Miskell은 폐업 중인 암호화폐 스타트업의 코드베이스를 팔아 약 2만 5,000달러를 받았으며, Google·Notion·Figma·Slack의 업무 공간 데이터 매각 대금은 약 1만 5,000달러로 예상되지만 아직 확정되지 않았다.
• SimpleClosure는 4월 데이터 판매 서비스를 추가한 뒤 Asset Hub에서 150건 넘는 거래를 처리했으며, 2026년 말까지 스타트업들에 총 1,000만 달러 넘게 돌려줄 것으로 예상한다. 현재 SimpleClosure 거래의 47%에는 코드 또는 데이터 판매가 포함된다.
• AI 훈련 기관들이 공개·합성 데이터셋의 한계에 부딪히면서 실제 업무 기록에 대한 수요가 생겼다. Surge AI는 이를 에이전트용 강화학습 훈련 환경에 활용하지만, 실제 데이터 학습과 대안을 비교한 시험 결과는 아직 공개되지 않아 성능 개선 폭과 적정 가격은 불확실하다.
• Google은 8월 Spirit Airlines의 파산 과정에서 이메일 1억 건, Teams 메시지 5억 건, 직원 기록 17만 6,000건 등을 포함한 수십 년치 데이터를 1,000만 달러에 매입했다. 노조는 개인정보 문제로 반대했으며, 데이터 공급자와 구매자가 개인정보 제거를 한다고 해도 사적인 정보가 남을 우려가 있다.
• 데이터 매각 수익은 대체로 직원보다 선순위 채권자와 투자자에게 돌아간다. Ifeoma Ajunwa는 직원 동의가 필요하다고 주장하지만 이런 판매를 금지하는 연방법은 없다고 설명하며, 창업자도 구매자·용도에 대한 가시성과 제안 가격의 공정성을 보장받기 어렵다.

🧩 주요 포인트

1. 폐업 기업의 코드·업무 기록에 구매 수요 발생 → 사업 종료 과정에서 회수할 수 있는 자산의 범위가 확대된다.
2. 실제 업무 기록의 다양성과 판단 맥락이 가치 평가에 영향 → 데이터 총량만으로 가격을 설명하기 어렵고, 성능 비교 근거의 부재가 거래 가치의 불확실성을 키운다.
3. 업무 데이터 판매에 개인정보·직원 동의·수익 배분 문제가 결합 → 거래의 법적 정당성, 직원의 권익, 창업자의 구매자·용도 파악이 주요 쟁점이 된다.

🧠 상세 정리

1. 폐업 스타트업의 기록이 매각 자산으로 바뀌다

Keelan Miskell은 올해 암호화폐 스타트업을 정리하기 시작했을 때, 이용자가 익명이고 회사의 역사도 짧아 데이터에 큰 가치가 없다고 생각했다. 그러나 코드베이스를 매각해 약 2만 5,000달러를 받았고, Google·Notion·Figma·Slack에 남은 업무 공간 데이터에서도 약 1만 5,000달러를 받을 것으로 예상하지만 이 금액은 아직 확정되지 않았다. 거래를 중개한 SimpleClosure는 폐업 기업의 법률·세무·운영 문제를 처리하는 새로운 서비스 시장의 일부다. Carta와 AngelList의 추정에 따르면 최근 몇 년간 스타트업 폐업은 연간 26~56% 증가했다. 폐업을 돕는 코치와 ‘죽음의 도우미’까지 등장한 상황에서, 기업이 남긴 디지털 기록을 AI 연구기관에 판매하는 사업도 성장하고 있다.

2. SimpleClosure와 Sunset이 키우는 데이터 재판매 시장

SimpleClosure는 4월부터 데이터 판매를 서비스에 추가했으며, Asset Hub를 통해 창업자가 코드와 이메일·채팅·문서 등 업무 공간 데이터를 팔도록 돕는다. 구매자는 기반 AI 모델을 개발하는 연구기관, AI 훈련용 모의 업무 공간을 만드는 업체, 자체 모델을 구축하는 성숙한 기술기업 등이다. Asset Hub는 150건 넘는 거래를 처리했으며, 2026년 말까지 스타트업들에 총 1,000만 달러 넘게 돌려줄 것으로 예상한다. CEO Dori Yona에 따르면 한때 드물고 다소 금기시되던 이런 거래는 점차 일상화됐으며, 현재 SimpleClosure 거래의 47%가 코드나 데이터 판매를 포함한다. 경쟁사 Sunset의 창업자 겸 CEO Brendan Mahony는 직원 수, 운영 기간, 데이터 양, 도구 사용 방식을 기준으로 자산을 평가하며, 업무 과정의 부산물을 가치 있는 판재로 재가공할 수 있는 나무 부스러기에 비유한다.

3. AI 에이전트 훈련에 필요한 실제 업무 맥락

폐업 기업 데이터에 대한 수요는 AI 훈련 기관들이 공개 데이터와 합성 데이터셋의 한계에 부딪힌 지난해 갑자기 나타났다. Surge AI는 실제 기록을 구매해 고객의 AI 에이전트가 복잡한 IT 구조의 오류를 수정하거나 항소심 서면을 작성하는 등의 작업을 연습할 수 있는 ‘강화학습 체육관’을 만든다. 이 환경 구축을 이끄는 Nick Heiner는 의견 충돌부터 까다로운 판단까지 여러 상황을 담은 기록을 찾는다고 설명한다. 대화의 다양성과 깊이가 충분하다면 한 기업의 Slack 기록만으로도 다른 기업의 Slack·이메일·일정표를 합친 것보다 가치가 높을 수 있다는 것이다. 따라서 기록의 가치는 단순한 양뿐 아니라 에이전트가 연습할 수 있는 상황과 판단의 폭에도 달려 있다.

4. 검증되지 않은 성능 효과 속에서 커지는 거래

실제 업무 기록은 존재하지 않는 날짜를 언급하는 등 합성 환경에서 흔히 발생하는 오류를 피할 수 있지만, 성능이 얼마나 개선되는지는 여전히 불분명하다. 실제 데이터로 훈련한 결과를 다른 방식과 비교한 시험 결과를 공개한 기업은 아직 없으며, Heiner는 코드 10만 줄에서 유용한 과제를 얼마나 얻을 수 있는지 같은 연구 가설에 가격이 좌우돼 구매자별 제시액도 크게 다르다고 말한다. 그럼에도 8월 Spirit Airlines의 파산 과정에서는 Google이 AI 데이터 기업 Mercor보다 높은 가격을 제시해 수십 년치 데이터를 1,000만 달러에 매입했다. 거래 대상에는 이메일 1억 건, Teams 메시지 5억 건, 직원 기록 17만 6,000건이 포함됐다. Bloomberg는 9월 SpaceX의 AI 부문도 경영난에 처한 스타트업의 데이터 매입을 검토하고 있다고 보도했지만, 이는 확정된 거래는 아니다.

5. 개인정보 제거와 직원 동의를 둘러싼 법적 쟁점

Spirit Airlines 승무원 노조는 개인정보 보호를 이유로 데이터 판매에 반대했으며, AI 스타트업을 자문하는 변호사 Greg Ewing은 이런 데이터를 법적으로 매우 위험한 대상으로 표현했다. 공급업체는 데이터 과학자를 동원해 개인 식별 정보를 제거하고 인사 기록을 제외하며, 구매자도 별도의 정제 작업을 한다고 설명한다. 그러나 Ewing은 이메일과 일정표에 병원 예약, 자녀 하교 픽업, 데이트 계획 같은 사적인 세부 정보가 숨어 있을 수 있다고 지적한다. 그는 AI 훈련 시장을 적절한 이용허락 계약과 검증된 사용 관행이 이제 막 자리 잡기 시작한 무법지대에 비유한다. Emory University 법학 교수이자 『The Quantified Worker』 저자인 Ifeoma Ajunwa는 업무 수행을 돕기 위한 직원 감시의 정당화 근거가 폐업 후에는 사라진다며 판매 전 명시적 직원 동의를 요구하지만, 이런 판매를 금지하는 연방법은 없다고 덧붙인다.

6. 회수된 가치의 귀속과 창업자에게 남는 불확실성

폐업 기업의 데이터를 팔아 얻은 돈은 보통 직원이 아니라 선순위 채권자와 투자자에게 돌아가며, Ajunwa는 이를 ‘포획된 자본’의 한 형태로 본다. 이 시장을 실패한 기업이 일부 가치를 회수할 기회로 보는 시각도 있지만, 업무 기록을 만든 직원이 수익을 얻는 것은 아니라는 문제가 남는다. 창업자 역시 누가 데이터를 사는지, 구매자가 무엇에 쓰려는지 거의 또는 전혀 알지 못하는 경우가 있다. 자신이 받은 제안이 공정한 가격인지에 대한 보장도 부족하다. 기사는 AI 거품이 먼저 붕괴하지 않는다면 향후 1년 사이 데이터 가격이 안정될 가능성을 제시하면서도, 어느 경우든 폐업 지원 업체들은 남은 자산의 가치를 평가하는 역할을 이어갈 것이라고 전망한다.

🧾 핵심 주장 / 시사점

• 폐업 기업의 가치는 제품이나 코드에만 남는 것이 아니라, 구성원들이 협업하며 축적한 상황과 판단의 기록에도 남을 수 있다.
• 실제 업무 기록의 오류 감소 가능성과 AI 성능 향상의 입증은 구분할 필요가 있다. 현재 거래 가격에는 검증된 효과뿐 아니라 연구 가설에 대한 기대가 반영된다.
• 직원이 만든 기록이 기업의 매각 자산이 되는 과정에서, 판매를 결정하는 주체·개인정보의 당사자·수익을 받는 주체가 서로 달라 권익 문제가 발생한다.

✅ 액션 아이템

• AI 훈련용 업무 데이터의 매입·매각 판단에서 성능 개선 폭과 적정 가격의 불확실성을 함께 검토.
• 데이터 판매의 법적 정당성을 검토할 때 개인정보 제거와 직원 동의 문제를 함께 확인.
• 폐업 기업 데이터 거래에서 구매자·용도에 대한 가시성과 선순위 채권자·투자자 중심의 수익 배분을 확인.

❓ 열린 질문

• 실제 업무 기록으로 훈련한 AI는 공개·합성 데이터셋으로 훈련한 경우보다 성능이 얼마나 개선되는가?
• 개인정보 제거만으로 데이터 판매에 따른 위험을 충분히 줄일 수 있으며, 직원 동의는 어떻게 확보해야 하는가?
• 창업자는 구매자·용도를 충분히 파악하기 어려운 상황에서 제안 가격의 공정성을 어떻게 판단할 수 있는가?