Virksomheder som OpenAI, Meta og Google er i en kapløb om at indsamle data til træning af deres AI-modeller. Dog foreslår nogle branchefolk, at man udelukkende stole på offentligt tilgængelige data kan resultere i ophavsretsretssager. I stedet for argumenterer de for brugen af syntetiske data, som kan genereres kunstigt og giver mere kontrol og privatliv. Syntetiske data ses som et sikrere alternativ, som kan lette udviklingen af generative AI. Dog har det visse begrænsninger såsom manglende evne til at skabe perfekte data uden eksisterende information og udfordringer med hensyn til privatliv og nøjagtighed med begrænset data.

Offentlige data byder også på udfordringer, herunder manglende afgørende detaljer og regulatoriske begrænsninger for dataadgang. Fokus bør skifte mod privacy-først tilgange og ansvarligt datadrevet design for bæredygtig AI-udvikling. Syntetiske data kan spille en rolle i at demokratisere datatilgang inden for organisationer ved at tilbyde værdi og fremme innovation. Fremtiden ligger i mindre, specialiserede AI-modeller rettet mod specifikke opgaver samt reguleringer, der kvantificerer AI-risici. Dette skifte harmonerer med principperne om differentiel privatliv og syntetiske data, som lægger vægt på målrettede og effektive udviklingsmetoder i stedet for at stole på massiv dataindsamling.