Hoe makers betaald krijgen om AI te trainen

Intro

Jarenlang werd veel van die content stilletjes van het internet gehaald, zonder bronvermelding en zonder betaling. Nu keert het tij. AI-bedrijven beginnen creatief werk in licentie te nemen, echte deals te sluiten en de mensen achter de datasets te betalen.

Hier leest u hoe dat geld daadwerkelijk bij de makers terechtkomt en hoe u daarvan kunt profiteren.

Van 'gratis' scrapen naar betaalde, op toestemming gebaseerde data

Generatieve AI draait op gegevens, en jarenlang kwam veel van die gegevens voort uit het stilletjes scrapen van het open web. Video's, foto's, artikelen en ontwerpen van makers werden zonder toestemming in trainingssets opgenomen.

Die aanpak staat nu onder druk. Auteurs en mediabedrijven hebben rechtszaken aangespannen tegen grote technologiebedrijven wegens het ongeoorloofd gebruik van hun werk om AI te trainen, waardoor de industrie gedwongen wordt om auteursrechten en compensatie rechtstreeks aan te pakken.

Als reactie hierop sluiten AI-bedrijven expliciete licentieovereenkomsten en bouwen ze gestructureerde pijplijnen om te betalen voor de hoogwaardige creatieve gegevens die ze nodig hebben. En die verschuiving biedt echte verdienmogelijkheden voor de mensen die de content daadwerkelijk maken.

Hoe makers vandaag de dag worden betaald

1. Directe licentieovereenkomsten met AI-laboratoria en uitgevers

Grote AI-ontwikkelaars en grote rechthebbenden beginnen elkaar in het midden te ontmoeten. Uitgevers zoals Harper Collins hebben bijvoorbeeld meerjarige overeenkomsten gesloten met Microsoft, waarbij wordt betaald per non-fictieboek dat wordt gebruikt om AI-modellen te trainen.

Hoewel deze onderhandelingen meestal op bedrijfsniveau plaatsvinden, hebben ze een domino-effect. Zodra er een openbare prijs is voor toegang tot een catalogus voor training, hebben individuele auteurs, journalisten en niche-uitgevers een sterkere positie om betaling te eisen in plaats van genoegen te nemen met loze beloften van publiciteit.

2. Tussenplatforms die content van makers bundelen

De meeste makers hebben niet de tijd (of invloed) om rechtstreeks te onderhandelen met het juridische team van een AI-lab. Daar komen creator-first-platforms om de hoek kijken.

In plaats van koude e-mails te sturen, upload je je werk één keer, stel je de rechten in waarmee je je comfortabel voelt en laat je het platform het zware werk doen:

• Juiste controles
• Metadata
• Contracten
• Uitbetalingen

Een fotograaf die al foto's maakt voor merken, stockfoto's of sociale campagnes, heeft misschien jarenlang ongebruikte b-roll en extra productfoto's op een harde schijf staan. Op een platform als Wirestock kan datzelfde archief worden omgezet in trainingsdatasets voor AI-bedrijven. Het is een manier om oudere freelancefotografieopdrachten te hergebruiken en je smaak bij te dragen aan de nieuwste technologische ontwikkelingen.

3. Stockbibliotheken en fondsen voor bijdragers

Als je al uploadt naar stockplatforms, maak je misschien zonder het te beseffen deel uit van het AI-ecosysteem. Adobe gebruikt bijvoorbeeld in aanmerking komende Adobe Stock-content in zijn Firefly AI-modellen en heeft fondsen voor bijdragers geïntroduceerd die makers betalen wier assets in de training worden opgenomen.

Voor werkende fotografen, ontwerpers en videografen betekent dit een extra vergoeding bovenop de traditionele licentieverkoop, vooral voor grote portfolio's die steeds weer datawaarde genereren.

Wat deze verschuiving betekent voor de creatieve economie

Nieuwe inkomsten uit bestaande archieven

De grote doorbraak is dat oud werk plotseling nieuwe waarde krijgt. Het werk is al gefotografeerd, bewerkt en eenmaal betaald; door het opnieuw in licentie te geven voor trainingsdoeleinden kan een semi-passieve inkomstenstroom worden gecreëerd.

Meer controle, niet minder

Het nieuwe licentie-ecosysteem draait ook om controle. In contracten wordt vastgelegd waar en hoe content kan worden gebruikt in AI-trainingen en welke bescherming er bestaat rond gevoelige onderwerpen of merkveiligheid. De overeenkomst tussen Harper Collins en Microsoft bevat bijvoorbeeld voorwaarden rond welke titels worden opgenomen en vereist expliciete toestemming van auteurs.

AI als copiloot, niet alleen als koper

Naast licenties gebruiken makers AI-tools om hun eigen workflows te versnellen. Tekst- en beeldmodellen helpen al bij het bedenken van ideeën, het schrijven van scripts, het maken van ruwe storyboards en de eerste bewerkingen, waardoor er tijd vrijkomt.

Sommige makers nemen zelfs nieuwe rollen op zich als beoordelaars en gespecialiseerde AI-trainers op afstand om modellen te leren wat goed is in hun niche.

Hoe makers kunnen deelnemen aan de AI-data-economie

Als je een maker bent en je je afvraagt waar je moet beginnen, denk dan aan rechten, relevantie en bereik.

1. Wees duidelijk over uw rechten

U kunt alleen licenties verlenen voor wat u daadwerkelijk beheert.

• Bekijk contracten met vroegere klanten en merken. Behoud je rechten, of is alles werk in opdracht?

• Zorg ervoor dat je waar nodig model- en eigendomsvrijgaven hebt.

• Tag en organiseer uw archieven zodat u snel het soort content kunt vinden dat AI-kopers willen: diverse onderwerpen, gevarieerde omgevingen, helder geluid en gedetailleerde metadata.

2. Bepaal wat waardevol is voor training

AI-laboratoria hebben behoefte aan gevarieerde, realistische en goed gelabelde data.

Dat kan zijn:

• Lange video's met sprekende hoofden, helder geluid en meerdere camerahoeken

• Product- en lifestylefoto's die objecten in dagelijks gebruik laten zien

• Straatfotografie die echte lichtomstandigheden, weersomstandigheden en beweging vastlegt

3. Kies de juiste weg naar de markt

Afhankelijk van uw omvang en niche zijn verschillende routes zinvol:

• Directe deals als u een omvangrijke catalogus bezit, een groot publiek heeft of waardevolle intellectuele eigendom beheert.

• Tussenplatforms die gespecialiseerd zijn in AI-gegevenslicenties en het delen van inkomsten.

• Stock- en marktplaatsen die transparant zijn over of en hoe ze uw werk gebruiken voor het trainen van modellen.

• Creator-gerichte dataplatforms waarmee u zowel licenties voor uw content kunt verlenen als kunt deelnemen aan labeling, kwaliteitscontrole of evaluatiewerkzaamheden.

Conclusie: AI heeft meer dan ooit makers nodig

Het verhaal van AI wordt vaak verteld als machines die mensen vervangen. De realiteit, vooral in de trainingsfase, is bijna het tegenovergestelde. Modellen kunnen geen realisme, nuance of smaak leren zonder enorme hoeveelheden door mensen gemaakt werk achter de schermen.

Hoe meer makers op hun eigen voorwaarden hun plaats aan tafel opeisen, hoe rechtvaardiger en duurzamer deze volgende golf van AI zal zijn.