VK спросила подрядчиков, не учат ли они ИИ на сканах студенческих билетов

Скидка для студентов на музыкальный сервис выглядит как мелкая маркетинговая механика. Но у неё есть инженерная изнанка: кто-то должен вручную или автоматически проверять огромное число бумажных студенческих билетов. Теперь VK, меняя партнёра для такой проверки, задала кандидатам неудобный вопрос: не собираетесь ли вы обучать ИИ на этих данных?

Что именно произошло

Холдинг VK выбирает нового ИТ-подрядчика для массовой проверки бумажных студенческих билетов. Нужна она, чтобы пользователи получали доступ к «VK Музыке» по сниженной цене. В рамках выбора партнёра компания попросила потенциальных исполнителей сообщить, планируют ли они использовать полученные данные для обучения ИИ-моделей. Кроме того, в повестке подтверждение запрета на такие действия.

То есть VK не просто проверяет, умеет ли подрядчик распознавать документы. Она заранее фиксирует, что данные проверки не должны становиться сырьём для чужих моделей.

Почему студбилеты — ценный материал

Эксперты, на которых ссылается CNews, считают, что собранный массив студенческих билетов действительно представляет высокую ценность для систем компьютерного зрения. Логика понятна. Это реальные документы, снятые на разные камеры, при разном свете и под разными углами. Студенческие билеты выпускают вузы по-разному: бланки, печати, шрифты и фото отличаются. Для модели, которая учится находить на снимке документ, считывать поля и отличать подлинный бланк от подделки, такое разнообразие и есть самый дорогой ресурс. Искусственно его собрать трудно.

Есть и обратная сторона. В таких документах, как правило, есть персональные данные людей, и вопрос, можно ли использовать их для обучения, — это не только про конкуренцию, но и про доверие пользователей.

Отдельный нюанс из материала: обучение нового ИТ-сервиса могло бы быть на руку и самой VK, потому что улучшает его работу. Модель, которая видит больше реальных примеров, реже ошибается на нестандартных билетах. Поэтому запрет — не очевидная выгода, а сознательный компромисс между качеством и контролем над данными.

Что из этого следует на практике

Источник не раскрывает, какие именно условия в итоге попадут в договор, и кто из подрядчиков претендует на проект. Но сам подход стоит перенять.

• Прописывайте запрет явно. Если подрядчик обрабатывает документы, фото или переписку ваших клиентов, фраза «используется только для оказания услуги» должна включать отдельный пункт про обучение моделей. Молчание договора часто трактуется в пользу исполнителя.
• Спрашивайте до подписания, а не после. VK задала вопрос на этапе выбора партнёра, когда у неё ещё есть рычаг влияния. После запуска проекта договариваться сложнее.
• Следите за жизненным циклом данных. Узнайте, где хранятся сканы, как долго и кто к ним имеет доступ. Тот же вопрос про дообучение внутренних моделей подрядчика.
• Считайте данные активом. Если ваш процесс порождает массив размеченных или проверенных изображений, это уже датасет, пусть вы и не собирались его создавать.

Для продакта вывод простой: любая «рутинная» функция вроде верификации скидки порождает данные, которые ценны для ИИ. Для разработчика: если вы подрядчик, будьте готовы честно ответить, на что пойдут полученные файлы. Заказчики начинают спрашивать об этом прямо.

Ограничения

Из материала неизвестно, чем закончится выбор партнёра, будет ли запрет технически проверяемым и как VK собирается контролировать его соблюдение. Оценка экспертов о ценности датасета — это мнение, а не измеренная величина. Но сигнал для рынка ясен: условия использования данных для обучения ИИ становятся обычной частью тендера, а не мелким шрифтом в конце договора.