AI 供应商面临数据共享困境：重审古老的数据交易规则
在客户数据上训练模型并非新鲜事。早在 1990 年代，营销数据业务就已确立了汇集数据的条件。当时，零售商加入数据合作社，通过结合交易历史记录来交换价值：提供数据以获取模拟前景，或获得竞争对手的客户档案；停止贡献数据则意味着停止接收回报。信用卡欺诈联盟也遵循类似的逻辑。尽管这些系统并不优雅，但每个参与者都清楚其中的交易规则。
如今，构建人工智能功能的软件供应商正面临同样的问题，且往往缺乏明确规则。传统软件仅在客户自身数据上运行，而 AI 产品可以在多租户平台上从数据中学习。一家公司的记录可能提升成千上万其他公司的数据丰富度、领先评分和推荐效果。供应商依靠少数人的工作改善所有客户的产品体验。虽然客户在法律意义上仍拥有其数据，但这并未回答谁从中受益的问题。
用户拒绝分享辛苦积累的数据
HubSpot 的经历凸显了这一问题的敏感性。当该公司宣布计划汇集客户账户中的丰富数据（包括业务联系详细信息、雇主信息和电子邮件可交付信号）以改善整个平台的前景记录时，引发了强烈反响。默认情况下，每个账户均参与此计划。几天之内，HubSpot 放弃了该计划，并承诺未来基于客户数据的增强功能将改为可选模式。
促使销售和 RevOps 团队不安的原因通常并非传统意义上的隐私担忧，而是难以解答的利益分配问题。多年来，他们清理和丰富了自身的联系数据，结果却用于改善其他客户（包括竞争对手）的招商工具。此外，允许改变的产品条款在大多数客户知情前已更新近两年。
AI 使软件公司无意中成为数据公司
许多增加 AI 工具的软件公司从未深入思考过这一转变。它们正在逐步演变为数据公司，往往在不知不觉中完成这一过程。客户信息是否为共享模型提供数据，通常由产品团队决定，而非负责商业关系的人员，且相关条款常使用买家很少阅读的术语表达。
麦肯锡 2026 年关于人工智能信任的调查显示，仅约 30% 的组织在人工智能战略、治理和控制方面达到成熟水平。在法律、产品和销售部门之间，没有任何团队认为自己有责任解释这些数据流向。
强有力的退出条款至关重要
买家将在监管机构介入之前强制推行标准。过去十年中，安全认证和正常运行时间保证因大量客户要求而成为合同标准语言，供应商随之停止争论。采购团队开始询问：他们的数据是否会丰富其他客户使用的模型？参与是否可选？能否在不失去核心功能的情况下稍后关闭？要求更高的买家还想知道贡献数据的客户获得了什么回报，而非贡献者又失去了什么。
退出条款是最难制定的部分。虽然客户可以取消合同并要求回收记录，但已形成生产模型的数据无法被干净地提取。重新培训成本高昂，消除单一客户对现实模型的影响仍是大多数供应商未解决的难题。供应商可以诚实地声明删除了客户上传的每一条记录，但存储的合同假设“删除数据”即结束“数据使用”。AI 时代的合同必须明确说明客户离开后的数据处理方式。
选择同意机制仅解决了部分问题。勾选框告知供应商可以使用数据，但未说明回报机制。即使合法，选择退出的客户若未获得特别补偿，也可能处于劣势。旧的合作社会员制之所以有效，是因为会员能看到自己得到的东西。
在客户提出要求之前主动解释数据经济学的供应商，将在每次续约时占据优势。解释内容应涵盖哪些客户数据提供给共享模型、这些模型产生何种价值以及贡献者获得何种回报。安全问卷曾被视为形式，直到买家将其作为销售条件。现在，写出明确条款的供应商将为市场设定新标准。
