وقتی یک کارمند سابق همه‌چیز را به هم می‌زند؛ پشت پرده نبرد Scale و Mercor

دعوای تازه در دنیای داده‌های هوش مصنوعی؛ شکایت Scale AI از کارمند سابق و رقیبش Mercor

آیا پای «اسرار تجاری» وسط است یا یک سوءتفاهم پرسر‌و‌صدا؟
Scale AI که کارش آماده‌سازی داده برای آموزش مدل‌های هوش مصنوعی است، از یکی از فروشندگان سابق خود (یوجین لینگ) و شرکت رقیبش Mercor شکایت کرده. ادعا می‌کند بیش از ۱۰۰ سند محرمانه شامل استراتژی‌های مشتریان، به بیرون منتقل شده و حتی قبل از قطع همکاری، تلاش شده یکی از بزرگ‌ترین مشتریانش که در شکایت با عنوان «Customer A» آمده برای Mercor جذب شود.

Mercor چه می‌گوید و نقش لینگ چیست؟
سوریا میدها، هم‌بنیان‌گذار Mercor، اصل استفاده از اطلاعات Scale را رد کرده و می‌گوید اگر هم فایلی بوده در یک درایو شخصی ذخیره شده و دسترسی‌ای به آن نداشته‌اند. خود لینگ نیز در شبکه‌های اجتماعی نوشته: فایل‌ها را استفاده نکرده و منتظر راهنمایی برای حذف ایمن آن‌هاست.

چرا این پرونده مهم است؟

• رقابت داغ در بازار برون‌سپاری داده LLM: از دست دادن «Customer A» می‌تواند قرارداد «چند میلیون دلاری» را جابه‌جا کند.

• ریسک‌های سرمایه‌گذاری و وابستگی: بعد از خبر سرمایه‌گذاری چند میلیارددلاری روی Scale و جابه‌جایی‌های مدیریتی، حساسیت روی روابط با مشتریان غیرهم‌مسیر افزایش یافته است.

• استانداردهای جابه‌جایی نیروی انسانی: دعوا بر سر اینکه «چه چیزی راز تجاری محسوب می‌شود» دوباره به صدر خبرها برگشته.

پرسش‌های داغ: اخلاق یا رقابت؟

۱) جابه‌جایی کارمند به رقیب، تا کجا «طبیعی» است؟
بازار هوش مصنوعی با سرعت می‌چرخد و شکار استعدادها عادی شده؛ اما بردن اسناد مشتری و طرح‌های فروش، مرزی است که قانون و عرف به آن حساس‌اند.

۲) اگر اسناد استفاده نشده، باز هم مسئولیت وجود دارد؟
حتی «در اختیار داشتن» فایل‌های محرمانه می‌تواند دردسرساز باشد؛ سازوکار حذف امن و شفاف‌سازی دسترسی‌ها اینجا تعیین‌کننده است.

نکته عملی برای کسب‌وکارها

• فرایند «Exit» دقیق داشته باشید: لیست دارایی‌های اطلاعاتی، لغو دسترسی‌ها، آموزش‌های حقوقی حین خروج.

• در قراردادها، تعریف روشن از «اطلاعات محرمانه» و سازوکار حل اختلاف بگنجانید.

• برای تیم فروش، سیاست‌های استفاده از ابزارهای شخصی (مثل درایوهای خصوصی) را شفاف کنید.

جمع‌بندی

پرونده Scale AI علیه Mercor فقط یک دعوای حقوقی نیست؛ آینه‌ای است از رقابتی که در پشت‌صحنه آموزش مدل‌ها جریان دارد جایی که «اعتماد به داده» به‌اندازه «قدرت مدل» ارزش دارد.

نظر شما چیست؟ اگر جای مدیر منابع انسانی بودید، چه سیاستی برای خروج کارکنان کلیدی می‌گذاشتید؟