Google compra 100 milioni di email aziendali: i dati valgono oro per addestrare l'AI

Google sta per acquisire un patrimonio digitale unico: circa 100 milioni di email aziendali e 500 milioni di messaggi Microsoft Teams prodotti da Spirit Airlines.

L’operazione, del valore di 10 milioni di dollari, riguarda dati interni de-identificati destinati allo sviluppo di prodotti e all’addestramento di modelli AI. La transazione è l’offerta vincente di un’asta fallimentare e attende l’approvazione di un giudice statunitense il 19 agosto 2026.

Il caso segna un precedente: per la prima volta un archivio di comunicazioni interne diventa un asset monetizzabile in una procedura di Chapter 11, trasformando email, calendari e documenti operativi in una risorsa strategica per l’AI. Google ha superato un’offerta concorrente di Mercor.io Corporation (7,5 milioni di dollari), segnale di quanto il mercato valuti i dataset aziendali reali rispetto ai dati pubblici. Il materiale sarà de-identificato prima del trasferimento, escludendo dati sui clienti e informazioni personali identificabili.

L’asta fallimentare e l’offerta vincente di Google

La vendita rientra nella procedura di Chapter 11 avviata da Spirit Aviation Holdings, Inc. nell’agosto 2025 presso la United States Bankruptcy Court for the Southern District of New York. Il 14 agosto 2026 si è svolta un’asta virtuale sui “Deidentified Data”, con Google LLC che si è aggiudicato il pacchetto per 10 milioni di dollari.

L’Exhibit A definisce tre macro-categorie: dati di produttività e collaborazione (email, calendari, chat, documenti, fogli di calcolo, wiki), dati dei sistemi core aziendali (produttività dei dipendenti, revenue e yield, operazioni e logistica) e dati di workflow (marketing, HR, gestione progetti, dati finanziari). Sono inclusi anche software e codice sorgente sviluppati internamente da Spirit.

Tra i dati inclusi: 100 milioni di email, 500 milioni di messaggi Teams, 17 milioni di file OneDrive, 20 milioni di documenti SharePoint, dati su 763.391 voli, 175.658 record dipendenti, 851.590 fatture, 1,8 milioni di registrazioni contabili, 7,5 miliardi di transazioni e 516 repository di codice (circa 30 milioni di linee).

Sono esclusi i dati sui clienti profili passeggeri, programmi fedeltà, indirizzi email attivi, registrazioni di chiamate per ovvie questioni di privacy.

Il processo di de-identificazione e le garanzie privacy

Prima del trasferimento, gli asset saranno sottoposti a de-identificazione da parte di agenti designati da Google, per rendere le informazioni non associabili a singoli consumatori. Il processo dovrà rispettare gli standard del California Consumer Privacy Act e, per dati sanitari, dell’HIPAA, preservando l’integrità referenziale del dataset.

Google si impegna a usare i dati solo in forma de-identificata, senza associarli a persone reali. Potrà trasferirli a terzi solo se questi accettano contrattualmente le stesse condizioni. Sono esclusi materiali privilegiati (comunicazioni protette da attorney-client privilege), che se trasferiti per errore dovranno essere restituiti o distrutti.

I modelli generativi richiedono dataset diversificati per apprendere comunicazione professionale, gestione dei processi e risoluzione di problemi reali. Le email e i messaggi Teams offrono esempi autentici di interazioni tra reparti e decisioni aziendali, qualitativamente diversi dai dataset pubblici raccolti dal web.

I dati strutturati (fogli di calcolo, calendari, database) aggiungono capacità che vanno oltre il linguaggio naturale: gestione di date, quantità e sequenze di attività. La combinazione di documenti strutturati e non offre una rappresentazione completa delle operazioni aziendali, più utile di ogni singolo documento isolato.

Il precedente e le implicazioni per il futuro

La transazione segna un’evoluzione del concetto di asset aziendale: dai beni tradizionali (software, brevetti, marchi) agli archivi digitali interni come risorsa economica. La presenza di un concorrente come Mercor.io conferma l’esistenza di un mercato specifico per dati aziendali utilizzabili nell’AI.

Il caso solleva questioni sulla proprietà dei dati prodotti dai dipendenti: da un lato l’archivio è un asset della società in liquidazione, dall’altro le comunicazioni interne possono restare riferibili a persone fisiche anche dopo la de-identificazione.