فروشندگان هوش مصنوعی قدیمی ترین قانون در تجارت داده را دوباره یاد می گیرند

مدت‌ها قبل از اینکه کسی مدلی را در مورد داده‌های مشتری آموزش دهد، کسب‌وکار داده‌های بازاریابی شرایطی را برای ادغام آن کار کرده است. خرده فروشان کاتالوگ در دهه 1990 به تعاونی های داده ملحق شدند که تاریخچه تراکنش های خود را با هم ترکیب می کردند تا هر عضو بتواند خریداران جدیدی پیدا کند و این ترتیبات به دلیل صریح بودن قوانین حفظ شد.

یک خرده‌فروش داده‌ها را برای دریافت مدل‌سازی‌شده بالقوه ارائه کرد. هیچ عضوی فایل مشتری رقیب را دریافت نکرد. و شرکتی که کمک خود را متوقف کرد، دریافت را متوقف کرد. کنسرسیوم های کلاهبرداری کارت با شرایط مشابهی برای دادن به دریافت کار می کنند. هیچ کس این سیستم ها را زیبا نمی خواند، اما همه شرکت کنندگان این تجارت را درک می کردند.

فروشندگان نرم‌افزاری که ویژگی‌های هوش مصنوعی را ایجاد می‌کنند، اکنون معمولا بدون قوانین با همین سؤال روبرو هستند. نرم‌افزار سنتی روی داده‌های مشتری می‌نشیند و بر روی آن کار می‌کند. محصولات هوش مصنوعی از داده ها و در یک پلتفرم چند مستاجر یاد می گیرند که یادگیری به ندرت در یک حساب واحد باقی می ماند.

سوابق یک شرکت می تواند غنی سازی، امتیازدهی سرنخ و توصیه های ارائه شده به هزاران شرکت دیگر را تشدید کند. یک فروشنده می تواند با تکیه بر کار چند نفر، محصول خود را برای هر مشتری بهبود بخشد، و اکثر قراردادها هیچ چیزی در مورد عادلانه بودن آن تجارت نمی گویند. مشتری همچنان مالک داده های خود به هر مفهوم قانونی است.

مالکیت به تنهایی جواب نمی دهد که چه کسی سود می برد.

کاربران به اشتراک گذاری داده هایی که به سختی به دست آورده اند عقب نشینی می کنند

HubSpot وقتی اعلام کرد که قصد دارد داده‌های غنی‌سازی را در حساب‌های مشتریان، از جمله جزئیات تماس تجاری، اطلاعات کارفرما و سیگنال‌های تحویل ایمیل، برای بهبود سوابق احتمالی در سطح پلت فرم، جمع‌آوری کند، متوجه شد که این سوال چقدر حساس شده است.

هر حساب به طور پیش فرض وارد بود. ظرف چند روز، این شرکت این طرح را کنار گذاشت و قول داد که هر ویژگی غنی‌سازی آینده که بر اساس داده‌های مشتری ساخته شده باشد، انتخاب خواهد شد. HubSpot به وضوح اعلام کرده بود که سوابق اصلی CRM هرگز بدون اجازه به اشتراک گذاشته نمی‌شوند، بنابراین حریم خصوصی به معنای معمول چیزی نبود که تیم‌های فروش و RevOps را ناراحت کرد. پاسخ به نگرانی آنها دشوارتر بود. سال‌ها کار صرف تمیز کردن و غنی‌سازی داده‌های تماس خود می‌شد تا ابزارهای جستجوی موجود را برای هر مشتری دیگر، از جمله رقبا، بهبود بخشد، و هیچ‌کس نپرسیده بود که برای آن چه چیزی به دست می‌آورد.

شرایط محصول که اجازه این تغییر را می داد تقریبا دو سال قبل از شنیدن بیشتر مشتریان در مورد آنها به روز شده بود.

هوش مصنوعی شرکت های داده تصادفی را ایجاد می کند

بسیاری از شرکت‌های نرم‌افزاری که ابزارهای هوش مصنوعی را اضافه می‌کنند، هرگز مجبور نبوده‌اند اینگونه فکر کنند. آنها در حال تبدیل شدن به شرکت های داده یک مدل در یک زمان هستند، اغلب بدون تصمیم گیری. اینکه آیا اطلاعات مشتری یک مدل مشترک را تغذیه می‌کند یا نه، اغلب توسط تیم محصولی که در تاریخ عرضه کار می‌کنند، تعیین می‌شود و نه توسط کسی که مالک رابطه تجاری است، و پاسخ با عباراتی بیان می‌شود که تعداد کمی از خریداران می‌خوانند.

نظرسنجی McKinsey در سال 2026 در مورد اعتماد هوش مصنوعی نشان داد که تنها حدود 30 درصد از سازمان‌ها در استراتژی، حکمرانی و کنترل‌های هوش مصنوعی به یک سطح بالغ رسیده‌اند. داده‌های آموزشی تلفیقی بین حقوقی، محصول و فروش قرار می‌گیرد، بدون اینکه هیچ تیمی برای توضیح آن احساس مسئولیت کند.

نیاز به بندهای خروج قوی

خریداران خیلی قبل از اینکه رگولاتورها این کار را انجام دهند، این موضوع را مجبور خواهند کرد. گواهینامه‌های امنیتی و تضمین‌های زمان کار در دهه گذشته به زبان استاندارد قرارداد تبدیل شدند، زیرا مشتریان زیادی از آنها درخواست کردند که فروشندگان بحث را متوقف کنند، و شرایط داده‌های هوش مصنوعی به همان سمت پیش می‌رود. تیم‌های تدارکات شروع به پرسیدن این سوال کرده‌اند که آیا داده‌های آنها مدل‌های مورد استفاده سایر مشتریان را تقویت می‌کند یا غنی‌تر می‌کند، آیا مشارکت در آن شرکت داده می‌شود، و آیا می‌توان بعدا بدون از دست دادن ویژگی‌های اصلی آن را خاموش کرد. خریداران سخت‌گیرانه‌تر می‌خواهند بدانند یک مشتری مشارکت‌کننده چه چیزی دریافت می‌کند که یک مشتری غیر مشارکت‌کننده دریافت نمی‌کند.

شرایط خروج سخت ترین قسمت برای نوشتن خواهد بود. یک مشتری می تواند یک قرارداد را لغو کند و سوابق خود را پس بگیرد، اما داده هایی که قبلا یک مدل تولید را شکل داده اند، نمی توانند دوباره به طور کامل خارج شوند. بازآموزی گران است، و حذف نفوذ یک مشتری از یک مدل زنده برای اکثر فروشندگان یک مشکل حل نشده باقی مانده است. یک فروشنده صادقانه می تواند بگوید که هر رکوردی را که مشتری آپلود کرده است حذف کرده است و همچنان مدلی را اجرا می کند که آن رکوردها به ساخت آن کمک کرده است. قراردادهای نوشته شده برای ذخیره سازی فرض بر این بود که حذف داده ها به استفاده از آن پایان می دهد.

قراردادهایی که برای هوش مصنوعی نوشته می‌شوند باید به‌صراحت بیان کنند که پس از خروج مشتری چه چیزی باقی می‌ماند و آیا مشتری در هنگام امضا با آن موافقت کرده است یا خیر.

رضایت شرکت به بخشی از سوال پاسخ می دهد. یک چک باکس به فروشنده می‌گوید ممکن است از داده‌ها استفاده کند، اما چیزی در مورد بازگشت نمی‌گوید، و مشتری که هیچ چیز خاصی را انتخاب نمی‌کند، معامله ضعیفی انجام داده است، حتی اگر یک معامله قانونی باشد. تعاونی های قدیمی اعضای خود را ثبت نام کردند زیرا اعضا می توانستند دقیقا آنچه را که می گیرند ببینند.

فروشندگانی که پیش از درخواست مشتریان، اقتصاد داده‌های خود را توضیح می‌دهند، در هر تمدید زمان آسان‌تری خواهند داشت. توضیح مربوط به محصول و قرارداد است، و باید پوشش داده شود که کدام داده‌های مشتری مدل‌های مشترک را تغذیه می‌کند، آن مدل‌ها چه چیزی تولید می‌کنند و چه مشارکت‌کنندگانی پس می‌گیرند. پرسشنامه های امنیتی زمانی رسمی بود، تا زمانی که خریداران آن را شرط فروش قرار دادند. شرایط داده های تلفیقی بر اساس یک زمان بندی هستند، و فروشندگانی که اکنون شرایط واضح می نویسند، استانداردی را تعیین می کنند که بقیه بازار از آن پیروی می کنند.