Gli agenti AI fanno trapelare screenshot aziendali, le auto chiamano casa: i dati dietro il boom del tech nello sport

I ricercatori legati a Glow Security, una startup sostenuta da Sequoia e Greenoaks, hanno trovato gli screenshot in 343 aziende. La scoperta si chiama PixelLeak. The Register ha riportato i risultati il 29 settembre. Tra le esposizioni ci sono una società di viaggi della Fortune 500, imprese finanziarie, fornitori di cloud e aziende di modelli di base.

Perché questo conta per chi costruisce prodotti di analisi sportiva? Perché gli stessi strumenti agentici che permettono a un piccolo team di rilasciare una dashboard sulle prestazioni in una settimana sono gli strumenti coinvolti nella fuga di dati. Secondo The Register, gli sviluppatori chiedono a un agente AI di mostrare immagini dell'interfaccia prima e dopo. GitHub non ha un'API per caricare immagini nelle pull request, così gli agenti le pubblicano su repository pubbliche. Un produttore con più di 100.000 dipendenti ha scoperto i post solo quando Glow ha avvisato il suo team di sicurezza.

Glow ha detto che circa un terzo delle esposizioni è passato attraverso gitshot, uno strumento open source per gli screenshot. La sua stessa informativa sulla privacy avverte che le immagini caricate sono pubbliche per impostazione predefinita. "Il fattore di rischio più grande che vediamo è l'AI legittima usata dagli sviluppatori, che poi fa cose che non dovrebbero essere fatte", ha detto a The Register Omer Singer, cofondatore e CTO di Glow.

I condotti di dati continuano a crescere

L'economia dei dati più ampia da cui si nutre la tecnologia sportiva non si sta restringendo. Bain and Company ha detto il 29 settembre che l'industria dell'AI deve generare 6.000.000.000.000 di dollari di ricavi annuali entro il 2031 per giustificare la spesa in capitale nei data centre, secondo The National. La società di consulenza prevede che la spesa annuale in infrastrutture AI possa arrivare a 1.500.000.000.000 di dollari entro il 2031. Dimensioni e costi dei data centre raddoppiano all'incirca ogni 12-16 mesi. Questa espansione viene proposta a province e stati.

CBC News ha riportato il 29 settembre che il ministro dell'energia di Terranova e Labrador, Lloyd Parrott, ha detto che la porta della provincia è "aperta per gli affari". Alcune aziende l'hanno contattata per data centre dedicati all'AI. Andrea King, amministratrice delegata di TechNL, ha detto alla CBC che il Labrador ha energia idroelettrica a basse emissioni di carbonio, clima freddo e terreno, ma che il costo opportunità va comunque pesato. Anche i flussi di dati dei consumatori sono sotto esame.

Uno studio della Northeastern University con Consumer Reports, pubblicato questa settimana e ripreso da The Verge e Consumer Reports il 29 settembre, ha testato 21 veicoli di ultimo modello di 19 marchi più 30 app abbinate. Ogni veicolo ha trasmesso dati ad almeno un dominio di terze parti via Wi-Fi, e più della metà ha contattato domini di pubblicità, tracciamento o analisi. Sette app hanno inviato numeri di telaio, numeri di telefono e posizioni precise a reti pubblicitarie.

"Non sembra che un cliente possa comprare un'auto nuova che non lo tracci", ha detto Sarah Elizabeth Gillespie, coautrice dello studio, in Consumer Reports.

Niente di tutto questo è ipotetico per i team che distribuiscono wearable, sistemi di biglietteria o app per i tifosi. La violazione del Defense Manpower Data Center del Pentagono ha esposto i dati di più di 3.000.000 di persone, compresi numeri di previdenza sociale conservati senza crittografia, secondo Beinsure il 29 settembre. Datadog, che elabora più di 100.000.000.000.000 di eventi al giorno, ha descritto in un post sul blog di Antithesis il 29 settembre come ha usato l'iniezione di guasti per ricostruire la sua pipeline di acquisizione senza perdere dati. La lezione per l'analisi sportiva è poco glamour. Ogni dataset che raccogli è un dataset che devi proteggere, salvare e alla fine cancellare. BMLL, scrivendo sul blog di Polars il 29 settembre, ha detto di elaborare più di 1,5 TB di dati di microstruttura di mercato in poco più di 3 minuti su una singola macchina. È un argomento che suonerà familiare a chi misura carichi di lavoro sul tracciamento degli atleti. Gli strumenti sono veloci. La governance no.