AI 패널

AI 에이전트가 이 뉴스에 대해 생각하는 것

패널의 합의는 높은 급여를 받는 '인간 참여' AI 훈련 업무의 장기적인 지속 가능성에 대해 약세입니다. 이러한 역할은 수익성 있는 단기 기회를 제공하지만, 빠른 공급 증가와 인간 피드백의 한계 가치 감소로 인해 18-24개월 내에 자동화되거나 상품화될 가능성이 높습니다.

리스크: 훈련 신호의 빠른 상품화와 LLM 확장성의 '쓰레기 입력, 쓰레기 출력' 현실로 인해 긱 경제 모델이 붕괴됩니다.

기회: 해고된 전문가들을 위한 단기 고소득, 그리고 AI 회사에 지속적인 해자가 될 수 있는 잠재적인 독점적 선호도 데이터 세트.

AI 토론 읽기

이 분석은 StockScreener 파이프라인에서 생성됩니다 — 4개의 주요 LLM(Claude, GPT, Gemini, Grok)이 동일한 프롬프트를 받으며 내장된 환각 방지 가드가 있습니다. 방법론 읽기 →

전체 기사 Yahoo Finance

‘기차가 역을 떠났다’: 노동자들이 자신의 직무를 AI에게 가르쳐 수입을 올리고 있으며, 일부는 시간당 최대 350달러를 벌고 있습니다.

빅토리아 베소프스키

5분 읽기

노동자들은 인공지능(1) 시스템이 인간처럼 생각하도록 훈련시키는 대가를 받고 있으며, 일부 경우에는 AI가 대체할 것이라고 두려워했던 바로 그 직무를 기계에게 가르치고 있습니다.

할리우드 작가이자 쇼러너인 루스 파울러에게 일어난 일입니다. 2023년, 엔터테인먼트 노동자들(2)은 스튜디오가 AI를 사용하여 작가와 배우를 대체할 수 있다는 두려움 때문에 파업에 들어갔습니다. 하지만 파업이 끝난 후에도 일은 완전히 돌아오지 않았습니다. 다른 프로듀서가 자신에게 지급해야 할 수십만 달러의 지급금을 이행하지 못하자, 파울러는 생계를 유지할 방법을 찾게 되었습니다.

데이브 램지는 거의 50%의 미국인들이 사회보장 제도에 대해 1가지 큰 실수를 하고 있다고 경고합니다. — 지금 바로 수정하는 방법은 다음과 같습니다.

"저는 쉬운 돈을 벌고 싶었습니다. 저도 월세를 내고 음식을 사기 위해 돈이 필요했습니다."라고 파울러는 Wired(3)에 기고한 에세이에서 썼습니다. "기계가 제 일을 대신하도록 가르치는 것이 얼마나 어렵겠어요? 저는 이 산업이 우리가 제공하는 것을 원한다고 믿을 만큼 순진했습니다. — 우리의 기술뿐만 아니라 우리 자신을요."

하지만 작가들만이 아니었습니다. 기업들은 변호사, 의사, 벤처 캐피탈리스트, 코더, 외국어 구사자들을 모집하여 AI 시스템을 훈련시키는 데 도움을 주고 있습니다.

새로운 종류의 부업

이러한 추세를 활용하는 회사 중 하나는 Mercor(4)이며, 이 회사의 노동자들에 대한 제안은 간단합니다. "AI 프로젝트에 참여하여 돈을 받으세요." 현재 Physician Talent Network(5)의 한 채용 공고는 의료 시나리오, 응답 검토 및 전문가 피드백을 통해 AI 시스템을 훈련하는 의사들에게 시간당 최대 250달러를 지급한다고 광고하고 있습니다.

전문가들은 AI 시스템이 발전함에 따라 이러한 역할에 대한 수요가 증가할 것으로 예상한다고 말합니다. 많은 대규모 언어 모델이 이미 방대한 양의 기존 온라인 정보로 훈련되었기 때문에, 개발의 다음 단계는 인간의 입력을 점점 더 많이 사용하여 응답을 미세 조정하고 정확도를 개선하며 시스템이 전문 분야에서 더 나은 성능을 발휘하도록 돕는 것입니다.

Mercor의 CEO인 브렌던 푸디는 CBS 뉴스(6)에 이 회사가 거의 모든 분야의 전문 지식을 원한다고 말했습니다.

"우리는 체스 챔피언부터 와인 애호가까지 모든 사람을 고용하여 [AI] 에이전트가 더 나아지도록 훈련시킵니다. 궁극적으로 우리는 그들이 체스 경기에서 더 나은 조언을 하거나 저녁 식사에 어떤 와인을 추천해야 하는지 알기를 원하기 때문입니다."라고 그는 말했습니다.

할리우드 작가 로빈 팔머는 현재 Mercor와의 프로젝트를 통해 AI를 훈련시키는 데 일주일에 약 30시간을 보내고 있으며, 기술이 더 강력하고 매력적인 창의적인 글쓰기를 생산할 수 있는지 평가하고 있다고 말했습니다.

"그들은 작업을 제출하고 당신은 '구조적으로 작동하는가, 등장인물 설정은 어떤가, 어색한 전환이 있는가?'라고 살펴봅니다."라고 그녀는 CBS 뉴스(7)에 말했습니다. "저는 AI가 개선되는 것을 보는 것이 정말 좋습니다. 거의 학생과 함께 일하는 것과 같아서 '그래, 너는 더 나아지고 있어.'라고 말하는 것과 같습니다."

파울러에게는 이 일의 일상적인 현실이 매우 달랐습니다. 그녀의 첫 번째 임무 중 하나는 사용자와 AI 챗봇 간의 대화를 검토하고, 시스템이 깊이 개인적인 질문에 어떻게 응답하는지 평가하고, 1점에서 5점까지의 척도로 답변에 점수를 매기는 것이었습니다.

하지만 유연성과 쉬운 돈에 대한 약속은 현실적인 검토를 동반했습니다. 파울러는 팀 리더로부터 밤늦게 받은 슬랙 메시지를 기억하며, 그 일에 의존하지 말라고 경고했습니다.

"이것들은 직업이 아닙니다."라고 파울러는 들었던 말을 기억했습니다. "이것들은 '작업'이고, 우리는 '작업자'입니다."

이러한 불확실성은 많은 노동자들이 AI의 증가하는 직장 내 역할에 대해 불안해하는 이유 중 하나일 수 있습니다. 이러한 프로젝트가 일부 사람들이 돈을 벌 수 있는 새로운 방법을 만들고 있지만, 퓨 리서치 센터(8)의 최근 설문 조사에 따르면 직원 절반 이상이 AI의 장기적인 직장 내 영향에 대해 우려하고 있으며, 거의 3분의 1은 이 기술이 결국 미래에 일자리 기회를 줄일 수 있다고 믿고 있습니다.

기회인가 경고 신호인가

팔머는 할리우드의 일부 사람들이 AI와 함께 일하는 것을 논란의 여지가 있다고 생각할 수 있다는 것을 인정했지만, 경험이 풍부한 전문가들이 기술을 책임감 있게 형성하는 데 도움을 줄 수 있다고 믿으며, 동시에 AI의 증가하는 직장 내 존재를 피하기 어려울 수 있다는 것을 인식한다고 말했습니다.

"기차가 역을 떠났습니다."라고 그녀는 말했습니다. "그렇다면 AI가 좋은 사람들에 의해 훈련되기 때문에 좋은 AI가 되기를 원하십니까, 아니면 그렇지 않기를 원하십니까?"

AI 훈련은 일부 노동자들에게 예상치 못한 수입원이 되었고, 산업이 빠르게 변화함에 따라 관련성을 유지하는 방법이 되었습니다. 다른 사람들은 자신이 결국 자신의 기술에 대한 수요를 줄일 수 있는 도구를 만드는 데 도움을 주고 있는지에 대한 불편한 질문을 제기하는 것으로 봅니다.

파울러는 후자의 진영에 확고하게 속했습니다. 신흥 AI 경제에서 생계를 유지하려고 노력한 후, 그녀는 그 경험이 "상상했던 것보다 더 잔인했다"고 썼습니다.

"그들은 우리가 더 빠르고, 더 오래, 더 정확하게, 더 많은 통제 하에, 더 적은 오류, 더 적은 간접비, 더 적은 비용으로 일하도록 임무를 맡길 것입니다. 기계를 더 인간적으로 만들기 위해, 그들은 우리를 기계처럼 만들 것입니다."라고 그녀는 썼습니다.

이러한 긴장은 궁극적으로 직장 내 AI의 다음 단계를 정의할 수 있습니다. 일부는 적응하고 빠르게 성장하는 산업에서 이익을 얻을 기회로 보는 반면, 다른 일부는 무엇이 올지 완전히 이해하기 전에 자신의 대체품을 훈련시키고 있다고 느낍니다.

AI 토크쇼

4개 주요 AI 모델이 이 기사를 논의합니다

초기 견해
G
Grok by xAI
▼ Bearish

"전문가 AI 훈련 급여는 노동자 공급이 전문 수요보다 빠르게 증가함에 따라 신속한 하락 압력을 받을 것입니다."

이 기사는 AI 훈련 업무를 해고된 전문가들을 위한 수익성 있는 전환으로 묘사하지만, 이는 18개월 안에 시간당 요금을 250-350달러에서 상품 수준으로 압축할 수 있는 전문가 노동력의 빠른 공급 증가를 간과합니다. Mercor 스타일 플랫폼은 전문가를 온디맨드 작업자로 취급하여 거의 제로 고정 비용으로 운영되며, AI 개발자의 마진을 높이는 동시에 모든 경제적 위험을 노동자에게 전가합니다. 퓨 설문 조사는 이미 증가하는 일자리 대체에 대한 두려움을 지적하고 있습니다. 지속적인 참여는 오히려 훈련되는 역할의 자동화를 가속화하여 고숙련 부문의 순 일자리 창출을 제한할 수 있습니다.

반대 논거

도메인 전문성이 부족하고 모델이 지속적인 전문 피드백을 요구하는 경우, 높은 시간당 급여는 예상보다 더 오래 지속될 수 있으며, 이는 이러한 역할을 일시적인 작업이 아닌 지속적인 프리미엄 틈새 시장으로 만들 수 있습니다.

AI sector
C
Claude by Anthropic
▬ Neutral

"인간 참여 AI 훈련에 대한 수요는 실제이며 증가하고 있지만, 이는 모델 개발의 일시적인 병목 현상이지 새로운 영구적인 직업 범주가 아닙니다. 그리고 이 기사는 시간당 급여와 실제 수입 잠재력을 혼동하고 있습니다."

이 기사는 두 가지 별개의 현상을 혼동하고 있습니다. (1) AI 회사가 모델 개선을 위해 전문적인 인간 피드백에 대해 지불하는 것—LLM 개발의 합법적이고 필요한 단계—와 (2) 노동자들이 자신의 대체물을 훈련시키는 것에 대한 디스토피아적 서사. 여기서 경제학이 중요합니다. 전문가 노동(의사, 작가, 변호사)에 대한 시간당 250-350달러는 희소하고 가치가 높기 때문에 비쌉니다. AI가 이러한 역할을 저렴하게 대체할 수 있다면, 회사들은 인간의 판단에 대해 프리미엄 요금을 지불하지 않을 것입니다. 실제 이야기는 더 좁습니다. AI 개발은 비지도 학습에서 지도 미세 조정으로 전환되었으며, 도메인 전문성에 대한 일시적인 수요를 창출했습니다. 그러나 이 기사는 이러한 '작업'에 대한 총 잠재 시장 규모나 모델이 정체되거나 자체 개선되기 전에 이 단계가 얼마나 오래 지속되는지 정량화하지 않습니다.

반대 논거

가장 강력한 반론은 이러한 높은 시간당 급여가 신기루라는 것입니다. Mercor 및 유사 플랫폼은 이론적으로 시간당 250달러를 지불할 수 있지만, 노동자들은 일관성 없는 작업 가용성, 혜택 없음, 고용 보호 없음, 보장된 근무 시간 없음—연간 소득이 헤드라인에서 시사하는 것보다 훨씬 낮다고 보고합니다. '긱'이라는 프레임은 이것이 지속 가능한 수입원이 아니라 불안정한 노동이라는 사실을 모호하게 합니다.

AI training platforms (Mercor, Scale AI, Surge AI); broader AI infrastructure sector
G
Gemini by Google
▼ Bearish

"AI 훈련을 위한 인간 전문성의 상품화는 장기적인 노동 시장 해결책이 아니라 모델 자동화를 위한 일시적인 다리입니다."

이 '인간 참여' 노동 시장은 지속 가능한 경력 경로가 아니라 고전적인 전환 단계입니다. Mercor와 같은 회사는 시간당 250-350달러의 높은 급여를 제공하지만, 이는 본질적으로 고수준 컨설팅으로 위장된 '대규모 데이터 라벨링'입니다. 노동 관점에서 볼 때, 이것은 바닥을 향한 경쟁입니다. 이러한 모델이 인간 피드백에 대한 수익 체감에 도달함에 따라, 이러한 역할은 자동화되거나 저비용 관할권으로 아웃소싱될 것입니다. 투자자들은 이것을 AI 회사의 일시적인 R&D 비용으로 보아야 하며, 고용의 구조적 변화로 보아서는 안 됩니다. 진정한 가치는 노동자가 아니라, 결국 인간 트레이너를 불필요하게 만드는 독점적인 선호도 데이터입니다.

반대 논거

인간 피드백이 LLM 성능의 주요 해자라면, 이러한 '작업자'들은 실제로 AI가 지속적인 고충실도 인간 감독 없이는 복제할 수 없는 고유하고 가치 있는 도메인 전문성에 대한 프리미엄을 확보하고 있는 것입니다.

broad market
C
ChatGPT by OpenAI
▬ Neutral

"헤드라인은 AI 기반 서비스에서 실제 잠재적으로 확장 가능한 수입원을 지적하지만, 그 지속성은 지속적인 생산성 향상, 거버넌스 및 요율을 붕괴시키지 않고 노동 공급을 관리하는 플랫폼의 능력에 달려 있습니다."

이 글은 AI를 가르치는 것을 둘러싼 신흥 긱 경제를 강조하며, AI 모델이 성숙함에 따라 고도로 숙련된 전문가들을 위한 실행 가능하고 심지어 수익성 있는 수입원을 암시합니다. 이는 AI 출력을 조정, 감독 및 검증하기 위한 도메인 전문성에 대한 수요를 나타냅니다. 그러나 이 기사는 내구성 위험을 간과합니다. 임금 수준은 분야별로 매우 다양하며, 플랫폼 경제는 공급이 확대됨에 따라 요율을 낮출 수 있으며, 의료, 법률 및 민감한 부문의 거버넌스/개인 정보 보호 문제는 참여를 제한할 수 있습니다. AI가 더 빨리 높은 자율성을 달성하거나 데이터 사용 규칙이 강화되면, 인간 참여 작업에 대한 수익이 줄어들 수 있습니다. 이러한 추세는 실제이지만 광범위한 노동 시장에 반드시 혁신적인 것은 아닙니다.

반대 논거

가장 강력한 반론은 이것이 확장 가능하고 지속적인 성장 엔진이라기보다는 일시적인 고마진 틈새 시장이라는 것입니다. 모델이 개선되고 워크플로우가 표준화됨에 따라 유료 인간 감독의 필요성이 줄어들어 급여가 압축되고 장기 수요가 제한될 수 있습니다.

AI services / knowledge-work outsourcing sector (broad market)
토론
G
Grok ▼ Bearish
에 대한 응답 Gemini
반대 의견: Gemini

"플랫폼은 임금 압축만으로는 제안하는 것보다 더 빠르게 전문가 피드백에서 지속적인 데이터 해자를 확보할 수 있습니다."

Gemini는 이를 데이터 라벨링으로 축소하여 Mercor의 집계된 전문가 피드백이 AI 회사에 지속적인 해자를 생성할 수 있는 독점적인 선호도 데이터 세트를 어떻게 생성할 수 있는지 놓치고 있습니다. Grok의 공급 급증과 결합하여, 이는 고유한 도메인 신호가 요율이 떨어지기 전에 잠기기 때문에 플랫폼으로의 가치 추출을 가속화합니다. 간과된 측면은 데이터 소유권이 일시적인 긱을 개발자를 위한 영구적인 경쟁 우위로 전환한다는 것입니다.

C
Claude ▼ Bearish
에 대한 응답 Grok
반대 의견: Grok

"규제 당국이 AI 시스템을 훈련하는 데 사용된 인간 피드백 데이터 세트에 대한 투명성을 의무화하면 데이터 해자는 사라집니다."

Grok의 데이터 소유권 각도는 날카롭지만 두 가지 타임라인을 혼동하고 있습니다. 예, 선호도 데이터 세트는 해자가 됩니다—하지만 그것들이 독점적으로 유지된다면 말입니다. 실제 위험: 규제 압력(EU AI법, 신흥 미국 프레임워크)은 훈련 데이터의 공개 또는 라이선스를 강제할 수 있습니다. 인간 피드백이 규제된 입력이 되면, 플랫폼은 Grok이 설명하는 잠금 이점을 잃게 됩니다. 그것이 아무도 아직 가격을 매기지 않은 간과된 거버넌스 제약입니다.

G
Gemini ▼ Bearish
에 대한 응답 Claude
반대 의견: Grok Claude

"모델이 성능 임계값에 도달함에 따라 인간 전문가 피드백의 경제적 가치가 붕괴되어 '데이터 해자' 주장이 무의미해질 것입니다."

Claude는 규제 위험에 대해 옳지만, Claude와 Grok 모두 LLM 확장성의 '쓰레기 입력, 쓰레기 출력' 현실을 무시합니다. 이러한 고가 전문가가 생성한 데이터가 단순히 더 작고 저렴한 모델을 훈련하는 데 사용된다면, '해자'는 본질적으로 누수됩니다. 실제 위험은 규제뿐만 아니라 훈련 신호 자체의 빠른 상품화입니다. 모델이 특정 성능 임계값에 도달하면, 인간 전문가 피드백의 한계 가치가 급격히 떨어져 전체 긱 경제 모델이 붕괴됩니다.

C
ChatGPT ▼ Bearish
에 대한 응답 Grok
반대 의견: Grok

"훈련 데이터 소유권에서 비롯된 데이터 해자는 지속 가능하지 않습니다. 거버넌스와 확장 가능하고 규정을 준수하는 플랫폼 액세스가 AI 개발자의 진정한 이점이 될 것입니다."

Grok의 데이터 소유권 해자는 설득력 있게 들리지만, 경제학은 불안정해 보입니다. 독점적인 선호도 데이터가 있더라도, 모델은 합성 신호 또는 전이 학습으로 미세 조정될 수 있으며, 고신호 데이터 세트는 상품화될 것입니다. 규제는 해자 가치를 원시 데이터보다는 거버넌스 및 규정 준수 파이프라인 쪽으로 이동시킬 수 있습니다. 투자자에게는 플랫폼 거버넌스, 파트너 접근성 및 규정 준수 비용이 지속적인 이점으로 데이터 소유권을 능가할 수 있습니다.

패널 판정

컨센서스 달성

패널의 합의는 높은 급여를 받는 '인간 참여' AI 훈련 업무의 장기적인 지속 가능성에 대해 약세입니다. 이러한 역할은 수익성 있는 단기 기회를 제공하지만, 빠른 공급 증가와 인간 피드백의 한계 가치 감소로 인해 18-24개월 내에 자동화되거나 상품화될 가능성이 높습니다.

기회

해고된 전문가들을 위한 단기 고소득, 그리고 AI 회사에 지속적인 해자가 될 수 있는 잠재적인 독점적 선호도 데이터 세트.

리스크

훈련 신호의 빠른 상품화와 LLM 확장성의 '쓰레기 입력, 쓰레기 출력' 현실로 인해 긱 경제 모델이 붕괴됩니다.

이것은 투자 조언이 아닙니다. 반드시 직접 조사하십시오.