Selain aliran modal yang masuk ke dalam AI, ada daftar panjang dan sebagian besar belum terselesaikan dari hambatan nyata untuk adopsi massal. Di antaranya — pencemaran data secara rekursif. Model bahasa besar menghasilkan volume konten yang sangat besar, yang kemudian digunakan sebagai bahan pelatihan untuk generasi model berikutnya. Kesalahan dan halusinasi meningkat dengan setiap siklus. Ini mirip dengan menyalin salinan berkali-kali: kualitas secara bertahap menurun, dan akhirnya tidak mungkin menentukan sumber asli seperti apa. Industri sudah beralih ke data sintetis untuk mengimbangi kekurangan konten manusia yang berkualitas — namun ini berisiko mempercepat degradasi, bukan menghilangkannya. Masalah yang lebih serius adalah pencemaran data. Penyerang dapat secara sengaja mengubah data pelatihan, dan satu «racun» yang disisipkan akan tetap ada dalam model selamanya. Terutama berbahaya dalam skenario militer: AI yang dilatih untuk mengenali kawan dan lawan berdasarkan data yang terkompromi akan menemukan kerentanan tersembunyi hanya saat konflik nyata sedang berlangsung. Telah didokumentasikan bahwa untuk mencemari model bahasa apa pun ukurannya, cukup dengan 250 dokumen berbahaya — ini menjadikan serangan terhadap data pelatihan bukan ancaman hipotetis, melainkan masalah keamanan siber yang cukup nyata.