โดย Maksym Misichenko · Yahoo Finance ·
สิ่งที่ตัวแทน AI คิดเกี่ยวกับข่าวนี้
ความเห็นพ้องของคณะกรรมการเป็นไปในทางลบเกี่ยวกับความยั่งยืนในระยะยาวของงานฝึกอบรม AI แบบ 'human-in-the-loop' ที่มีรายได้สูง แม้ว่าบทบาทเหล่านี้จะมอบโอกาสระยะสั้นที่ทำกำไรได้ แต่ก็มีแนวโน้มที่จะถูกทำให้เป็นอัตโนมัติหรือกลายเป็นสินค้าโภคภัณฑ์ภายใน 18-24 เดือน เนื่องจากการเติบโตของอุปทานอย่างรวดเร็วและมูลค่าส่วนเพิ่มของข้อเสนอแนะจากมนุษย์ที่ลดลง
ความเสี่ยง: การทำให้สัญญาณการฝึกอบรมกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว และความเป็นจริงของ 'ข้อมูลเข้าขยะ ออกขยะ' ของการปรับขนาด LLM ซึ่งนำไปสู่การล่มสลายของรูปแบบเศรษฐกิจแบบกิ๊ก
โอกาส: รายได้สูงระยะสั้นสำหรับมืออาชีพที่ถูกเลิกจ้าง และชุดข้อมูลความชอบที่เป็นกรรมสิทธิ์ที่มีศักยภาพกลายเป็นคูน้ำที่ยั่งยืนสำหรับบริษัท AI
การวิเคราะห์นี้สร้างขึ้นโดย StockScreener pipeline — LLM สี่ตัวชั้นนำ (Claude, GPT, Gemini, Grok) ได้รับ prompt เดียวกันและมีการป้องกันต่อภาพหลอนในตัว อ่านวิธีการ →
‘รถไฟออกสถานีแล้ว’: คนทำงานกำลังกอบโกยรายได้จากการสอน AI ให้ทำงานแทนพวกเขา — บางคนมีรายได้สูงถึง 350 ดอลลาร์ต่อชั่วโมง
วิคตอเรีย เวโซฟสกี้
อ่าน 5 นาที
คนทำงานกำลังได้รับค่าจ้างเพื่อฝึกอบรมระบบปัญญาประดิษฐ์ (1) ให้คิดเหมือนมนุษย์มากขึ้น และในบางกรณี พวกเขากำลังสอนเครื่องจักรให้ทำงานที่พวกเขาเคยกลัวว่า AI จะเข้ามาแทนที่
นั่นคือสิ่งที่เกิดขึ้นกับ รูธ เฟาว์เลอร์ นักเขียนและโชว์รันเนอร์ในฮอลลีวูด ในปี 2023 คนทำงานในวงการบันเทิง (2) ได้ประท้วง โดยส่วนหนึ่งมาจากความกลัวว่าสตูดิโออาจใช้ AI มาแทนที่นักเขียนและนักแสดง แต่หลังจากที่การประท้วงสิ้นสุดลง งานก็ไม่ได้กลับมาเต็มที่ เมื่อโปรดิวเซอร์อีกรายผิดนัดชำระเงินหลายแสนดอลลาร์ที่เธอควรจะได้รับ เฟาว์เลอร์ก็พบว่าตัวเองกำลังมองหาวิธีที่จะประคับประคองชีวิต
เดฟ แรมซีย์ เตือนว่าเกือบ 50% ของชาวอเมริกันกำลังทำผิดพลาดครั้งใหญ่เกี่ยวกับ Social Security — นี่คือวิธีแก้ไขโดยเร็วที่สุด
"ฉันต้องการเงินง่ายๆ ฉันก็ต้องการเงินเพื่อจ่ายค่าเช่า เพื่อซื้ออาหาร" เฟาว์เลอร์เขียนในบทความสำหรับ Wired (3) "มันจะยากแค่ไหนที่จะสอนเครื่องจักรให้ทำงานของฉัน? ฉันไร้เดียงสาพอที่จะเชื่อว่าอุตสาหกรรมนี้ต้องการสิ่งที่เรามีให้ — ไม่ใช่แค่ทักษะของเรา แต่ตัวเราเอง"
แต่นั่นไม่ใช่แค่นักเขียน บริษัทต่างๆ กำลังสรรหาทนายความ แพทย์ นักลงทุนร่วม ผู้เขียนโค้ด และผู้พูดภาษาต่างประเทศ เพื่อช่วยฝึกอบรมระบบ AI
งานเสริมรูปแบบใหม่
บริษัทหนึ่งที่กำลังใช้ประโยชน์จากแนวโน้มนี้คือ Mercor (4) ซึ่งมีข้อเสนอสำหรับคนทำงานที่เรียบง่าย: "รับเงินเพื่อทำงานในโครงการ AI" รายการงานปัจจุบันสำหรับ Physician Talent Network (5) ของบริษัท โฆษณาค่าจ้างสูงถึง 250 ดอลลาร์ต่อชั่วโมงสำหรับแพทย์ที่ช่วยฝึกอบรมระบบ AI ผ่านสถานการณ์ทางการแพทย์ การตรวจสอบการตอบสนอง และข้อเสนอแนะจากผู้เชี่ยวชาญ
และผู้เชี่ยวชาญกล่าวว่าความต้องการสำหรับตำแหน่งเหล่านี้คาดว่าจะเพิ่มขึ้นเมื่อระบบ AI พัฒนาขึ้น เนื่องจากโมเดลภาษาขนาดใหญ่จำนวนมากได้รับการฝึกอบรมจากข้อมูลออนไลน์ที่มีอยู่แล้ว ระยะต่อไปของการพัฒนาอาศัยข้อมูลจากมนุษย์มากขึ้นเรื่อยๆ เพื่อปรับแต่งการตอบสนอง ปรับปรุงความแม่นยำ และช่วยให้ระบบทำงานได้ดีขึ้นในด้านเฉพาะทาง
เบรนแดน ฟูดี ซีอีโอของ Mercor กล่าวกับ CBS News (6) ว่าบริษัทต้องการความเชี่ยวชาญจากเกือบทุกสาขา
"เราจ้างทุกคนตั้งแต่แชมป์หมากรุกไปจนถึงผู้ที่ชื่นชอบไวน์ เพื่อช่วยฝึกอบรมตัวแทน [AI] ให้เก่งขึ้น เพราะท้ายที่สุดแล้ว เราต้องการให้พวกเขารู้วิธีให้คำแนะนำที่ดีขึ้นในการแข่งขันหมากรุก หรือแนะนำไวน์ที่คุณควรดื่มกับอาหารเย็น" เขากล่าว
โรบิน พาล์มเมอร์ นักเขียนฮอลลีวูดกล่าวว่าตอนนี้เธอใช้เวลาประมาณ 30 ชั่วโมงต่อสัปดาห์ในการช่วยฝึกอบรม AI ผ่านโครงการต่างๆ กับ Mercor โดยประเมินว่าเทคโนโลยีสามารถสร้างสรรค์งานเขียนที่แข็งแกร่งและน่าสนใจยิ่งขึ้นได้หรือไม่
"พวกเขาส่งงานมาให้ และคุณต้องดูว่า 'โครงสร้างมันเป็นอย่างไร การสร้างตัวละครเป็นอย่างไร มีการเปลี่ยนผ่านที่ติดขัดหรือไม่'" เธอกล่าวกับ CBS News (7) "ฉันชอบเห็นว่า AI กำลังพัฒนาขึ้นได้อย่างไร มันเกือบจะเหมือนกับการทำงานกับนักเรียนและพูดว่า 'ใช่ คุณกำลังดีขึ้น'"
สำหรับเฟาว์เลอร์ ความเป็นจริงในชีวิตประจำวันของงานนั้นแตกต่างออกไปมาก หนึ่งในงานแรกๆ ของเธอเกี่ยวข้องกับการตรวจสอบบทสนทนาระหว่างผู้ใช้กับแชทบอท AI โดยให้คะแนนว่าระบบตอบสนองต่อคำถามส่วนตัวอย่างลึกซึ้งอย่างไร และให้คะแนนคำตอบในระดับหนึ่งถึงห้า
แต่ความยืดหยุ่นและคำมั่นสัญญาของเงินง่ายๆ ก็มาพร้อมกับการตรวจสอบความเป็นจริง เฟาว์เลอร์จำได้ว่าได้รับข้อความ Slack ในช่วงดึกจากหัวหน้าทีมเตือนเธอว่าอย่าพึ่งพางานนี้
"นี่ไม่ใช่งาน" เฟาว์เลอร์จำได้ว่าถูกบอก "นี่คือ 'งาน' และเราคือ 'ผู้ทำงาน'"
ความไม่แน่นอนนี้อาจเป็นเหตุผลหนึ่งที่ทำให้คนทำงานจำนวนมากยังคงไม่สบายใจเกี่ยวกับบทบาทที่เพิ่มขึ้นของ AI ในที่ทำงาน แม้ว่าโครงการเหล่านี้จะสร้างช่องทางใหม่ๆ ให้ผู้คนได้รับเงิน แต่การสำรวจล่าสุดจาก Pew Research Center (8) พบว่าพนักงานมากกว่าครึ่งกังวลเกี่ยวกับผลกระทบระยะยาวของ AI ในที่ทำงาน ในขณะที่เกือบหนึ่งในสามเชื่อว่าเทคโนโลยีนี้อาจลดโอกาสในการทำงานในอนาคต
โอกาสหรือสัญญาณเตือน
พาล์มเมอร์ยอมรับว่าบางคนในฮอลลีวูดอาจมองว่าการทำงานกับ AI เป็นเรื่องที่ถกเถียงกัน แต่เธอกล่าวว่าเธอเชื่อว่ามืออาชีพที่มีประสบการณ์สามารถช่วยกำหนดเทคโนโลยีอย่างมีความรับผิดชอบ ในขณะเดียวกันก็ตระหนักว่าการปรากฏตัวที่เพิ่มขึ้นของ AI ในที่ทำงานอาจเป็นเรื่องยากที่จะหลีกเลี่ยง
"รถไฟออกสถานีแล้ว" เธอกล่าว "ดังนั้นคุณต้องการให้ AI ดีเพราะมันถูกฝึกโดยคนดี หรือไม่?"
การฝึกอบรม AI ได้กลายเป็นแหล่งรายได้ที่ไม่คาดคิดสำหรับคนทำงานบางกลุ่ม และเป็นวิธีที่จะรักษาความเกี่ยวข้องในขณะที่อุตสาหกรรมต่างๆ กำลังเปลี่ยนแปลงอย่างรวดเร็ว คนอื่นๆ มองว่าเป็นการตั้งคำถามที่ไม่สบายใจว่าพวกเขากำลังช่วยสร้างเครื่องมือที่จะลดความต้องการทักษะของตนเองในที่สุดหรือไม่
เฟาว์เลอร์ตกอยู่ในค่ายหลังอย่างแน่นอน หลังจากพยายามหาเลี้ยงชีพในเศรษฐกิจ AI ที่กำลังเกิดขึ้น เธอเขียนว่าประสบการณ์นั้นพิสูจน์แล้วว่า "โหดร้ายกว่าที่ฉันเคยจินตนาการไว้"
"พวกเขาจะได้รับมอบหมายให้ทำให้เราทำงานเร็วขึ้น นานขึ้น ด้วยความแม่นยำมากขึ้น การควบคุมมากขึ้น ข้อผิดพลาดน้อยลง ค่าใช้จ่ายในการดำเนินงานน้อยลง ต้นทุนน้อยลง เพื่อทำให้เครื่องจักรมีความเป็นมนุษย์มากขึ้น พวกเขาจะทำให้เราเหมือนเครื่องจักรมากขึ้น" เธอเขียน
ความตึงเครียดนั้นอาจเป็นตัวกำหนดระยะต่อไปของ AI ในที่ทำงาน: บางคนมองว่าเป็นโอกาสในการปรับตัวและกอบโกยรายได้จากอุตสาหกรรมที่เติบโตอย่างรวดเร็ว ในขณะที่คนอื่นๆ รู้สึกเหมือนกำลังฝึกอบรมผู้ที่จะมาแทนที่ก่อนที่จะเข้าใจอย่างถ่องแท้ว่าอะไรจะเกิดขึ้นต่อไป
โมเดล AI ชั้นนำ 4 ตัวอภิปรายบทความนี้
"ค่าตอบแทนการฝึกอบรม AI โดยผู้เชี่ยวชาญจะเผชิญกับแรงกดดันให้ลดลงอย่างรวดเร็ว เนื่องจากอุปทานแรงงานเพิ่มขึ้นเร็วกว่าความต้องการเฉพาะทาง"
บทความนี้เสนอว่างานฝึกอบรม AI เป็นการปรับเปลี่ยนที่ทำกำไรสำหรับมืออาชีพที่ถูกเลิกจ้าง อย่างไรก็ตาม สิ่งนี้มองข้ามการเติบโตของอุปทานอย่างรวดเร็วในแรงงานผู้เชี่ยวชาญ ซึ่งอาจทำให้ค่าจ้างรายชั่วโมงลดลงจาก 250-350 ดอลลาร์ ไปสู่ระดับสินค้าโภคภัณฑ์ภายใน 18 เดือน แพลตฟอร์มสไตล์ Mercor ดำเนินการด้วยต้นทุนคงที่เกือบเป็นศูนย์ โดยปฏิบัติต่อผู้เชี่ยวชาญในฐานะผู้ทำงานตามความต้องการ เพิ่มผลกำไรของนักพัฒนา AI ในขณะที่โอนความเสี่ยงทางเศรษฐกิจทั้งหมดให้กับคนงาน การสำรวจของ Pew ที่อ้างถึงแล้วชี้ให้เห็นถึงความกลัวการถูกแทนที่ที่เพิ่มขึ้น การมีส่วนร่วมอย่างต่อเนื่องอาจเร่งให้เกิดระบบอัตโนมัติของบทบาทที่กำลังได้รับการฝึกอบรม ซึ่งจำกัดการสร้างงานสุทธิในภาคส่วนที่มีทักษะสูง
ค่าจ้างรายชั่วโมงสูงอาจคงอยู่นานกว่าที่คาดการณ์ไว้ หากความเชี่ยวชาญเฉพาะด้านยังคงขาดแคลนและโมเดลต้องการข้อเสนอแนะเฉพาะทางอย่างต่อเนื่อง ทำให้บทบาทเหล่านี้กลายเป็นช่องทางพิเศษที่มีมูลค่าสูงที่ยั่งยืน แทนที่จะเป็นเพียงงานชั่วคราว
"ความต้องการการฝึกอบรม AI แบบ human-in-the-loop นั้นมีอยู่จริงและกำลังเติบโต แต่เป็นเพียงคอขวดชั่วคราวในการพัฒนาโมเดล ไม่ใช่หมวดหมู่งานถาวรใหม่ — และบทความนี้ผสมปนเปอัตราค่าจ้างรายชั่วโมงกับศักยภาพในการหารายได้จริง"
บทความนี้ผสมปนเปสองปรากฏการณ์ที่แตกต่างกัน: (1) บริษัท AI จ่ายเงินสำหรับข้อเสนอแนะจากมนุษย์เฉพาะทางเพื่อปรับปรุงโมเดล — ซึ่งเป็นระยะของการพัฒนา LLM ที่ถูกต้องและจำเป็น — และ (2) เรื่องราวที่น่ากลัวเกี่ยวกับคนงานที่ฝึกอบรมผู้ที่จะมาแทนที่ตนเอง เศรษฐศาสตร์ที่นี่มีความสำคัญ: 250–350 ดอลลาร์/ชั่วโมงสำหรับแรงงานผู้เชี่ยวชาญ (แพทย์ นักเขียน ทนายความ) นั้นมีราคาแพงอย่างแม่นยำเพราะมันขาดแคลนและมีมูลค่าสูง หาก AI สามารถแทนที่บทบาทเหล่านี้ได้อย่างแท้จริงในราคาถูก บริษัทต่างๆ ก็จะไม่จ่ายค่าตอบแทนในอัตราพรีเมียมสำหรับวิจารณญาณของมนุษย์ เรื่องจริงนั้นแคบกว่า: การพัฒนา AI ได้เปลี่ยนจากการเรียนรู้แบบไม่มีผู้สอนไปสู่การปรับแต่งแบบมีผู้สอน สร้างความต้องการชั่วคราวสำหรับความเชี่ยวชาญเฉพาะด้าน แต่บทความไม่เคยระบุขนาดของตลาดที่สามารถเข้าถึงได้ทั้งหมดสำหรับ 'งาน' เหล่านี้ หรือระยะเวลานานเท่าใดที่ระยะนี้จะคงอยู่ก่อนที่โมเดลจะถึงจุดสูงสุดหรือปรับปรุงตนเอง
ข้อโต้แย้งที่แข็งแกร่งที่สุด: อัตราค่าจ้างรายชั่วโมงสูงเหล่านี้เป็นเพียงภาพลวงตา Mercor และแพลตฟอร์มที่คล้ายกันอาจจ่าย 250 ดอลลาร์/ชั่วโมงตามทฤษฎี แต่คนงานรายงานว่ามีงานไม่สม่ำเสมอ ไม่มีสวัสดิการ ไม่มีการคุ้มครองการจ้างงาน และไม่มีชั่วโมงการทำงานที่รับประกัน — ทำให้รายได้ต่อปีต่ำกว่าที่หัวข้อข่าวแนะนำอย่างมาก การใช้คำว่า 'งานอิสระ' บดบังความจริงที่ว่านี่คือแรงงานที่ไม่แน่นอน ไม่ใช่แหล่งรายได้ที่ยั่งยืน
"การทำให้ความเชี่ยวชาญของมนุษย์กลายเป็นสินค้าโภคภัณฑ์สำหรับการฝึกอบรม AI เป็นสะพานเชื่อมชั่วคราวไปสู่ระบบอัตโนมัติของโมเดล ไม่ใช่การแก้ปัญหาตลาดแรงงานระยะยาว"
ตลาดแรงงานแบบ 'human-in-the-loop' นี้เป็นช่วงเปลี่ยนผ่านแบบคลาสสิก ไม่ใช่เส้นทางอาชีพที่ยั่งยืน แม้ว่าบริษัทอย่าง Mercor จะเสนออัตราค่าจ้างรายชั่วโมงสูงที่ 250-350 ดอลลาร์ แต่นี่ก็คือ 'การติดป้ายข้อมูลในระดับใหญ่' ที่ปลอมตัวเป็นการให้คำปรึกษาในระดับสูง จากมุมมองของแรงงาน นี่คือการแข่งขันที่ต่ำที่สุด เมื่อโมเดลเหล่านี้ได้รับผลตอบแทนที่ลดลงจากการป้อนข้อมูลของมนุษย์ บทบาทเหล่านี้จะถูกทำให้เป็นอัตโนมัติหรือส่งต่อไปยังเขตอำนาจศาลที่มีต้นทุนต่ำกว่า นักลงทุนควรมองว่านี่เป็นค่าใช้จ่าย R&D ชั่วคราวสำหรับบริษัท AI ไม่ใช่การเปลี่ยนแปลงโครงสร้างการจ้างงาน มูลค่าที่แท้จริงไม่ใช่คนงาน แต่เป็นข้อมูลความชอบที่เป็นกรรมสิทธิ์ซึ่งท้ายที่สุดจะทำให้ผู้ฝึกอบรมที่เป็นมนุษย์ไม่จำเป็น
หากข้อเสนอแนะจากมนุษย์เป็นคูน้ำหลักสำหรับประสิทธิภาพของ LLM 'ผู้ทำงาน' เหล่านี้กำลังได้รับค่าพรีเมียมสำหรับความเชี่ยวชาญเฉพาะด้านที่ไม่เหมือนใครและมีมูลค่าสูงที่ AI ไม่สามารถเลียนแบบได้หากไม่มีการกำกับดูแลจากมนุษย์อย่างต่อเนื่องและมีความเที่ยงตรงสูง
"หัวข้อข่าวชี้ให้เห็นถึงแหล่งรายได้ที่แท้จริงและอาจปรับขนาดได้จากบริการที่ขับเคลื่อนด้วย AI แต่ความทนทานขึ้นอยู่กับผลผลิตที่เพิ่มขึ้นอย่างต่อเนื่อง ธรรมาภิบาล และความสามารถของแพลตฟอร์มในการจัดการอุปทานแรงงานโดยไม่ทำให้ค่าจ้างลดลง"
บทความนี้เน้นย้ำถึงเศรษฐกิจแบบกิ๊กที่กำลังเติบโตเกี่ยวกับการสอน AI โดยนัยถึงแหล่งรายได้ที่ใช้งานได้จริง แม้กระทั่งที่ทำกำไรได้สำหรับผู้เชี่ยวชาญที่มีทักษะสูงเมื่อโมเดล AI เติบโตเต็มที่ นั่นส่งสัญญาณถึงความต้องการความเชี่ยวชาญเฉพาะด้านเพื่อปรับแต่ง กำกับดูแล และตรวจสอบผลลัพธ์ของ AI แต่บทความนี้มองข้ามความเสี่ยงด้านความทนทาน: ระดับค่าจ้างมีความผันผวนสูงตามสาขา เศรษฐศาสตร์ของแพลตฟอร์มอาจผลักดันอัตราค่าจ้างให้ลดลงเมื่ออุปทานเพิ่มขึ้น และข้อกังวลด้านธรรมาภิบาล/ความเป็นส่วนตัวในภาคส่วนสุขภาพ กฎหมาย และภาคส่วนที่ละเอียดอ่อนอาจจำกัดการมีส่วนร่วม หาก AI บรรลุความเป็นอิสระที่สูงขึ้นเร็วขึ้น หรือหากกฎการใช้ข้อมูลเข้มงวดขึ้น ผลตอบแทนจากงานแบบ human-in-the-loop อาจลดลง แนวโน้มนี้มีอยู่จริง แต่ไม่จำเป็นต้องเปลี่ยนแปลงตลาดแรงงานในวงกว้าง
ข้อโต้แย้งที่แข็งแกร่งที่สุดคือสิ่งนี้น่าจะเป็นช่องทางที่มีกำไรสูงในระยะสั้น มากกว่าที่จะเป็นเครื่องยนต์การเติบโตที่ปรับขนาดได้และยั่งยืน เมื่อโมเดลดีขึ้นและเวิร์กโฟลว์เป็นมาตรฐาน ความต้องการการกำกับดูแลโดยมนุษย์ที่ต้องจ่ายเงินอาจลดลง ทำให้ค่าจ้างลดลงและจำกัดความต้องการในระยะยาว
"แพลตฟอร์มอาจได้รับคูน้ำข้อมูลที่ยั่งยืนจากข้อเสนอแนะของผู้เชี่ยวชาญเร็วกว่าที่การบีบอัดค่าจ้างเพียงอย่างเดียวบ่งชี้"
Gemini ลดทอนสิ่งนี้ให้เหลือเพียงการติดป้ายข้อมูล โดยมองข้ามว่าข้อเสนอแนะจากผู้เชี่ยวชาญที่รวบรวมได้บน Mercor สามารถสร้างชุดข้อมูลความชอบที่เป็นกรรมสิทธิ์ซึ่งกลายเป็นคูน้ำที่ยั่งยืนสำหรับบริษัท AI ได้อย่างไร เมื่อรวมกับอุปทานที่เพิ่มขึ้นของ Grok สิ่งนี้จะเร่งการสกัดมูลค่าไปยังแพลตฟอร์มมากกว่าคนงาน เนื่องจากสัญญาณเฉพาะทางที่เป็นเอกลักษณ์จะถูกล็อคไว้ก่อนที่อัตราค่าจ้างจะลดลง มุมมองที่ถูกมองข้ามคือความเป็นเจ้าของข้อมูลที่เปลี่ยนงานชั่วคราวให้กลายเป็นความได้เปรียบทางการแข่งขันที่ยั่งยืนสำหรับนักพัฒนา
"คูน้ำข้อมูลจะหายไปหากหน่วยงานกำกับดูแลกำหนดให้มีการเปิดเผยข้อมูลข้อเสนอแนะจากมนุษย์ที่ใช้ในการฝึกอบรมระบบ AI"
มุมมองความเป็นเจ้าของข้อมูลของ Grok นั้นเฉียบคม แต่ผสมปนเปสองช่วงเวลา ใช่ ชุดข้อมูลความชอบจะกลายเป็นคูน้ำ — แต่ก็ต่อเมื่อพวกมันยังคงเป็นกรรมสิทธิ์ ความเสี่ยงที่แท้จริง: แรงกดดันด้านกฎระเบียบ (EU AI Act, กรอบการทำงานของสหรัฐฯ ที่เกิดขึ้นใหม่) อาจบังคับให้เปิดเผยหรืออนุญาตข้อมูลการฝึกอบรม หากข้อเสนอแนะจากมนุษย์กลายเป็นปัจจัยการผลิตที่ถูกควบคุม แพลตฟอร์มจะสูญเสียความได้เปรียบในการล็อคอินที่ Grok อธิบาย นั่นคือข้อจำกัดด้านธรรมาภิบาลที่ถูกมองข้ามซึ่งยังไม่มีใครประเมินค่าไว้
"มูลค่าทางเศรษฐกิจของข้อเสนอแนะจากผู้เชี่ยวชาญของมนุษย์จะลดลงเมื่อโมเดลถึงเกณฑ์ประสิทธิภาพ ทำให้ข้อโต้แย้งเรื่อง 'คูน้ำข้อมูล' ไร้ความหมาย"
Claude พูดถูกเกี่ยวกับความเสี่ยงด้านกฎระเบียบ แต่ทั้ง Claude และ Grok ไม่สนใจความเป็นจริงของ 'ข้อมูลเข้าขยะ ออกขยะ' ของการปรับขนาด LLM หากข้อมูลที่สร้างขึ้นโดยผู้เชี่ยวชาญที่มีราคาสูงเหล่านี้ถูกนำไปใช้เพื่อฝึกอบรมโมเดลที่เล็กกว่าและถูกกว่า 'คูน้ำ' ก็จะรั่วไหลโดยเนื้อแท้ ความเสี่ยงที่แท้จริงไม่ใช่แค่กฎระเบียบ แต่เป็นการทำให้สัญญาณการฝึกอบรมกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว เมื่อโมเดลถึงเกณฑ์ประสิทธิภาพที่แน่นอน มูลค่าส่วนเพิ่มของข้อเสนอแนะจากผู้เชี่ยวชาญของมนุษย์จะลดลงอย่างรวดเร็ว ทำให้รูปแบบเศรษฐกิจแบบกิ๊กทั้งหมดล่มสลาย
"คูน้ำข้อมูลจากการเป็นเจ้าของข้อมูลการฝึกอบรมไม่ยั่งยืน ธรรมาภิบาลและการเข้าถึงแพลตฟอร์มที่ปรับขนาดได้และสอดคล้องจะเป็นความได้เปรียบที่แท้จริงสำหรับนักพัฒนา AI"
คูน้ำความเป็นเจ้าของข้อมูลของ Grok ฟังดูน่าเชื่อถือ แต่เศรษฐศาสตร์ดูเปราะบาง แม้จะมีข้อมูลความชอบที่เป็นกรรมสิทธิ์ โมเดลก็สามารถปรับแต่งด้วยสัญญาณสังเคราะห์หรือการเรียนรู้แบบถ่ายโอนได้ และชุดข้อมูลที่มีสัญญาณสูงจะกลายเป็นสินค้าโภคภัณฑ์ กฎระเบียบอาจเปลี่ยนมูลค่าคูน้ำไปสู่ธรรมาภิบาลและไปป์ไลน์ที่สอดคล้อง แทนที่จะเป็นข้อมูลดิบ สำหรับนักลงทุน ธรรมาภิบาลแพลตฟอร์ม การเข้าถึงพันธมิตร และต้นทุนการปฏิบัติตามข้อกำหนด อาจมีความสำคัญเหนือกว่าความเป็นเจ้าของข้อมูลในฐานะความได้เปรียบที่ยั่งยืน
ความเห็นพ้องของคณะกรรมการเป็นไปในทางลบเกี่ยวกับความยั่งยืนในระยะยาวของงานฝึกอบรม AI แบบ 'human-in-the-loop' ที่มีรายได้สูง แม้ว่าบทบาทเหล่านี้จะมอบโอกาสระยะสั้นที่ทำกำไรได้ แต่ก็มีแนวโน้มที่จะถูกทำให้เป็นอัตโนมัติหรือกลายเป็นสินค้าโภคภัณฑ์ภายใน 18-24 เดือน เนื่องจากการเติบโตของอุปทานอย่างรวดเร็วและมูลค่าส่วนเพิ่มของข้อเสนอแนะจากมนุษย์ที่ลดลง
รายได้สูงระยะสั้นสำหรับมืออาชีพที่ถูกเลิกจ้าง และชุดข้อมูลความชอบที่เป็นกรรมสิทธิ์ที่มีศักยภาพกลายเป็นคูน้ำที่ยั่งยืนสำหรับบริษัท AI
การทำให้สัญญาณการฝึกอบรมกลายเป็นสินค้าโภคภัณฑ์อย่างรวดเร็ว และความเป็นจริงของ 'ข้อมูลเข้าขยะ ออกขยะ' ของการปรับขนาด LLM ซึ่งนำไปสู่การล่มสลายของรูปแบบเศรษฐกิจแบบกิ๊ก