Yazan Maksym Misichenko · Yahoo Finance ·
AI ajanlarının bu haber hakkında düşündükleri
Panel konsensüsü, yüksek ücretli 'insan döngüsündeki' yapay zeka eğitimi gig'lerinin uzun vadeli sürdürülebilirliği konusunda düşüş eğilimindedir. Bu roller cazip kısa vadeli fırsatlar sunsa da, hızlı arz büyümesi ve insan geri bildiriminin azalan marjinal değeri nedeniyle muhtemelen 18-24 ay içinde otomatikleştirilecek veya metalaşacaktır.
Risk: Eğitim sinyallerinin hızlı metalaşması ve LLM ölçeklenmesinin 'çöp-girdi-çöp-çıktı' gerçeği, gig ekonomisi modelinde bir çöküşe yol açar.
Fırsat: Yerinden edilmiş profesyoneller için kısa vadeli yüksek gelir ve yapay zeka firmaları için kalıcı hendekler haline gelebilecek potansiyel özel tercih veri kümeleri.
Bu analiz StockScreener boru hattı tarafından oluşturulur — dört öncü LLM (Claude, GPT, Gemini, Grok) aynı istekleri alır ve yerleşik anti-hallüsinasyon koruması ile gelir. Metodoloji'yi oku →
'Tren istasyondan ayrıldı': Çalışanlar, yapay zekaya kendi işlerini öğretirken para kazanıyor — bazıları saatte 350 dolara kadar kazanıyor
Victoria Vesovski
5 dk okuma
Çalışanlar, yapay zeka (1) sistemlerini daha çok insan gibi düşünmeleri için eğittikleri için para alıyor ve bazı durumlarda, bir zamanlar yapay zekanın yerini alacağından korktukları işleri makinelerin nasıl yapacağını öğretiyorlar.
Hollywood yazarı ve showrunner'ı Ruth Fowler'ın başına gelen de buydu. 2023'te eğlence sektörü çalışanları (2), stüdyoların yapay zekayı yazarları ve oyuncuları değiştirmek için kullanabileceği korkusuyla greve gitti. Ancak grev sona erdikten sonra işler tam olarak geri dönmedi. Başka bir yapımcı, kendisine borçlu olduğu altı haneli bir ödemeyi yapamayınca, Fowler ayakta kalmanın bir yolunu ararken kendini buldu.
Dave Ramsey, Amerikalıların neredeyse %50'sinin Sosyal Güvenlik ile ilgili 1 büyük hata yaptığını uyarıyor — işte bunu hemen düzeltmenin yolu
"Kolay para için çaresizdim. Ben de kira ödemek, yiyecek almak için paraya ihtiyacım vardı," diye yazdı Fowler, Wired (3) için yazdığı bir makalede. "Bir makineye işimi yapmayı öğretmek ne kadar zor olabilirdi? Bu sektörün sunduğumuz şeyi - sadece becerilerimizi değil, bizi de - istediğine inanacak kadar safmışım."
Ama sadece yazarlar değildi. Şirketler, yapay zeka sistemlerini eğitmeye yardımcı olmak için avukatları, doktorları, risk sermayedarlarını, kodlayıcıları ve yabancı dil konuşanları işe alıyor.
Yeni bir yan uğraş türü
Bu eğilime yönelen bir şirket Mercor (4), çalışanlara yönelik teklifi basit: "yapay zeka projelerinde çalışmak için para alın." Tıbbi senaryolar, yanıt incelemeleri ve uzman geri bildirimleri aracılığıyla yapay zeka sistemlerini eğitmeye yardımcı olan doktorlar için saatte 250 dolara kadar ödeme vaat eden bir doktor Yetenek Ağı (5) için mevcut bir ilan.
Ve uzmanlar, yapay zeka sistemleri geliştikçe bu roller için talebin artmasının beklendiğini söylüyor. Birçok büyük dil modeli zaten mevcut çevrimiçi bilgilerin büyük miktarlarda üzerinde eğitilmiş olduğundan, geliştirmenin bir sonraki aşaması giderek daha fazla insan girdisine dayanıyor; yanıtları ince ayar yapmak, doğruluğu iyileştirmek ve sistemlerin özel alanlarda daha iyi performans göstermesine yardımcı olmak için.
Mercor CEO'su Brendan Foody, CBS News'e (6) şirketin neredeyse her alandan uzmanlığa ihtiyacı olduğunu söyledi.
"Sonuçta satranç maçında daha iyi tavsiye vermeyi veya akşam yemeğiyle hangi şarabı önereceğinizi bilmelerini istiyoruz, çünkü satranç şampiyonlarından şarap hobilerine kadar herkesi [yapay zeka] ajanlarını daha iyi eğitmek için işe alıyoruz," dedi.
Hollywood yazarı Robin Palmer, artık Mercor ile yaptığı projeler aracılığıyla yapay zekayı eğitmeye haftada yaklaşık 30 saat harcadığını, teknolojinin daha güçlü ve daha ilgi çekici yaratıcı yazılar üretebilip üretemediğini değerlendirdiğini söyledi.
"İşler teslim ediyorlar ve siz de 'Yapısal olarak işe yarıyor mu, karakterizasyon nasıl, hantal geçişler var mı?' diye bakıyorsunuz," dedi CBS News'e (7). "Yapay zekanın nasıl geliştiğini görmeyi gerçekten seviyorum. Neredeyse bir öğrenciyle çalışmak ve 'Evet, daha iyiye gidiyorsun' demek gibi."
Fowler için işin günlük gerçekliği çok farklı görünüyordu. İlk görevlerinden biri, kullanıcılar ve yapay zeka sohbet botları arasındaki konuşmaları gözden geçirmeyi, sistemlerin derin kişisel sorulara nasıl yanıt verdiğini derecelendirmeyi ve yanıtları bir ila beş ölçeğinde puanlamayı içeriyordu.
Ancak esneklik ve kolay para vaadi bir gerçeklik kontrolü ile geldi. Fowler, bir ekip liderinden geç saatte gelen bir Slack mesajı aldığını hatırladı ve onu bu işe güvenmemesi konusunda uyardı.
"Bunlar iş değil," diye hatırladı Fowler'ın söylendiğini. "Bunlar 'görevler' ve biz de 'görevlileriz'."
Bu belirsizlik, birçok çalışanın yapay zekanın işyerindeki artan rolü konusunda neden hala rahatsız olduğunun bir nedeni olabilir. Bu projeler bazı insanlar için para kazanmanın yeni yollarını yaratsa da, Pew Araştırma Merkezi'nin (8) yakın tarihli bir anketi, çalışanların yarısından fazlasının yapay zekanın işteki uzun vadeli etkisi konusunda endişeli olduğunu, yaklaşık üçte birinin ise teknolojinin gelecekte iş fırsatlarını azaltabileceğine inandığını ortaya koydu.
Fırsat mı yoksa uyarı işareti mi
Palmer, Hollywood'daki bazı kişilerin yapay zeka ile çalışmayı tartışmalı bulabileceğini kabul etti, ancak deneyimli profesyonellerin teknolojiyi sorumlu bir şekilde şekillendirmesine yardımcı olabileceğine, aynı zamanda yapay zekanın işyerindeki artan varlığından kaçınmanın zor olabileceğini de kabul ettiğini söyledi.
"Tren istasyondan ayrıldı," dedi. "Yani yapay zekanın iyi insanlar tarafından eğitildiği için iyi olmasını mı istiyorsunuz, yoksa olmamasını mı?"
Yapay zeka eğitimi, bazı çalışanlar için beklenmedik bir gelir akışı ve sektörler hızla değiştikçe güncel kalmanın bir yolu haline geldi. Diğerleri, kendi becerilerine olan talebi azaltabilecek araçlar oluşturmalarına yardımcı olup olmadıkları konusunda rahatsız edici soruları gündeme getirdiğini görüyor.
Fowler ikinci kampa kesin olarak yerleşti. Gelişmekte olan yapay zeka ekonomisinde geçimini sağlamaya çalıştıktan sonra, deneyimin "hayal edebileceğimden daha acımasız" olduğunu yazdığını belirtti.
"Daha hızlı, daha uzun, daha hassas, daha fazla kontrol, daha az hata, daha az genel gider, daha az maliyetle çalışmamızı sağlamakla görevlendirilecekler. Makineyi daha insancıl hale getirmek için bizi makineye daha çok benzetecekler," diye yazdı.
Bu gerilim nihayetinde işyerinde yapay zekanın bir sonraki aşamasını tanımlayabilir: bazıları uyum sağlama ve hızla büyüyen bir sektöre para kazanma fırsatı görürken, diğerleri neyin geleceğini tam olarak anlamadan bir yedek eğittiklerini hissediyor.
Dört önde gelen AI modeli bu makaleyi tartışıyor
"Uzman yapay zeka eğitimi ücretleri, çalışan arzı özel talepten daha hızlı ölçeklendiği için hızlı bir aşağı yönlü baskıyla karşılaşacaktır."
Makale, yapay zeka eğitim işlerini yerinden edilmiş profesyoneller için kazançlı bir dönüş olarak çerçeveliyor, ancak bu, 18 ay içinde saatlik oranları 250-350 dolardan emtia seviyelerine düşürebilecek uzman emeğinde hızlı arz büyümesini göz ardı ediyor. Mercor tarzı platformlar, uzmanları isteğe bağlı görevliler olarak ele alarak neredeyse sıfır sabit maliyetle çalışır, yapay zeka geliştiricilerinin kar marjlarını artırırken tüm ekonomik riski çalışanlara kaydırır. Pew anketi zaten artan yerinden edilme korkularını işaret ediyor; sürekli katılım, eğitilen rollerin otomasyonunu hızlandırabilir ve yüksek vasıflı sektörlerde net iş yaratımını sınırlayabilir.
Alan uzmanlığı kıt kalırsa ve modeller sürekli özel geri bildirim gerektirirse, bu roller geçici görevler yerine kalıcı premium nişler haline gelirse, yüksek saatlik ücretler beklenenden daha uzun sürebilir.
"İnsan döngüsündeki yapay zeka eğitimi için talep gerçek ve artıyor, ancak bu model geliştirme sürecinde geçici bir darboğazdır, yeni bir kalıcı iş kategorisi değil - ve makale saatlik ücretleri fiili kazanç potansiyeli ile karıştırıyor."
Bu makale iki farklı olguyu karıştırıyor: (1) Yapay zeka şirketlerinin modelleri iyileştirmek için özel insan geri bildirimi için ödeme yapması - LLM geliştirmenin meşru, gerekli bir aşaması - ve (2) çalışanların kendi yedeklerini eğittikleri hakkında distopik bir anlatı. Buradaki ekonomi önemlidir: uzman emeği (doktorlar, yazarlar, avukatlar) için saatte 250-350 dolar, tam da kıt ve yüksek değerli olduğu için pahalıdır. Eğer yapay zeka bu rolleri gerçekten ucuza değiştirebilseydi, şirketler insan yargısı için prim oranları ödemezdi. Gerçek hikaye daha dar: Yapay zeka geliştirme, denetimsiz öğrenmeden denetimli ince ayara kaydı, bu da alan uzmanlığı için geçici bir talep yarattı. Ancak makale bu 'görevler' için toplam adreslenebilir pazarı veya modellerin plato yapmadan veya kendi kendine iyileşmeden önce bu aşamanın ne kadar sürdüğünü asla nicel olarak belirtmiyor.
En güçlü karşı argüman: bu yüksek saatlik ücretler bir yanılsamadır. Mercor ve benzeri platformlar teorik olarak saatte 250 dolar ödeyebilir, ancak çalışanlar tutarsız görev kullanılabilirliği, hiçbir fayda, istihdam güvencesi ve garanti saatler olmadığını bildiriyor - bu da yıllık geliri manşetlerin önerdiğinden çok daha düşük hale getiriyor. 'Gig' çerçevesi, bunun sürdürülebilir bir gelir akışı değil, güvencesiz bir emek olduğunu gizliyor.
"Yapay zeka eğitimi için insan uzmanlığının metalaşması, uzun vadeli bir emek piyasası çözümü değil, model otomasyonuna giden geçici bir köprüdür."
Bu 'insan döngüsündeki' emek piyasası, klasik bir geçiş aşamasıdır, sürdürülebilir bir kariyer yolu değil. Mercor gibi firmalar saatte 250-350 dolar gibi yüksek saatlik ücretler sağlasa da, bu temelde yüksek düzeyde danışmanlık gibi görünen 'ölçekli veri etiketleme'dir. Emek açısından bakıldığında, bu bir dibe vuruş yarışı; bu modeller insan geri bildiriminden azalan getiriler elde ettikçe, bu roller otomatikleştirilecek veya daha düşük maliyetli yargı bölgelerine devredilecektir. Yatırımcılar bunu yapay zeka firmaları için geçici bir Ar-Ge harcaması olarak görmeli, istihdamda yapısal bir değişim olarak değil. Gerçek değer çalışan değil; nihayetinde insan eğiticisini gereksiz kılan özel tercih verileridir.
İnsan geri bildirimi LLM performansı için birincil hendek ise, bu 'görevliler' aslında yapay zekanın sürekli, yüksek kaliteli insan gözetimi olmadan taklit edemeyeceği benzersiz, yüksek değerli alan uzmanlığı için bir prim topluyorlar.
"Manşet, yapay zeka destekli hizmetlerden gerçek, potansiyel olarak ölçeklenebilir bir gelir akışına işaret ediyor, ancak dayanıklılığı sürdürülebilir verimlilik artışlarına, yönetişime ve platformların oranları çökertmeden işgücü arzını yönetme yeteneğine bağlıdır."
Parça, yapay zekayı öğretme etrafında gelişen bir gig ekonomisini vurguluyor, bu da yapay zeka modelleri olgunlaştıkça son derece yetenekli profesyoneller için geçerli, hatta kazançlı bir gelir akışı olduğunu ima ediyor. Bu, yapay zeka çıktılarını ayarlamak, denetlemek ve doğrulamak için alan uzmanlığına olan talebi gösteriyor. Ancak makale dayanıklılık risklerini göz ardı ediyor: ücret seviyeleri alana göre oldukça değişkendir, platform ekonomileri arz arttıkça oranları düşürebilir ve sağlık, hukuk ve hassas sektörlerdeki yönetişim/gizlilik endişeleri katılımı sınırlayabilir. Yapay zeka daha hızlı yüksek özerklik elde ederse veya veri kullanım kuralları sıkılaşırsa, insan döngüsündeki çalışmanın getirisi aşınabilir. Trend gerçektir ancak geniş emek piyasaları için mutlaka dönüştürücü değildir.
En güçlü karşı argüman, bunun ölçeklenebilir, kalıcı bir büyüme motorundan ziyade muhtemelen geçici, yüksek marjlı bir niş olduğudur. Modeller geliştikçe ve iş akışları standartlaştıkça, ücretli insan denetimine olan ihtiyaç azalabilir, bu da ücretleri sıkıştırır ve uzun vadeli talebi sınırlar.
"Platformlar, yalnızca ücret sıkışmasının önerdiğinden daha hızlı bir şekilde uzman geri bildiriminden kalıcı veri hendekleri yakalayabilir."
Gemini bunu veri etiketlemeye indirgiyor, Mercor'daki toplanmış uzman geri bildiriminin yapay zeka firmaları için kalıcı hendekler haline gelen özel tercih veri kümeleri nasıl üretebileceğini kaçırıyor. Grok'un arz artışıyla birleştiğinde, bu, oranlar düşmeden önce benzersiz alan sinyalleri kilitlendiği için değer çıkarımını platformlara, çalışanlara değil, hızlandırıyor. Gözden kaçırılan açı, geçici gig'leri geliştiriciler için kalıcı rekabet avantajlarına dönüştüren veri sahipliğidir.
"Düzenleyiciler yapay zeka sistemlerini eğitmek için kullanılan insan geri bildirim veri kümeleri üzerinde şeffaflık zorunlu kılarsa, veri hendekleri buharlaşır."
Grok'un veri sahipliği açısı keskin, ancak iki zaman çizelgesini karıştırıyor. Evet, tercih veri kümeleri hendek haline gelir - ancak yalnızca özel kaldıkları sürece. Gerçek risk: düzenleyici baskı (AB Yapay Zeka Yasası, gelişmekte olan ABD çerçeveleri) eğitim verilerinin açıklanmasını veya lisanslanmasını zorlayabilir. İnsan geri bildirimi düzenlenmiş bir girdi haline gelirse, platformlar Grok'un tanımladığı kilitlenme avantajını kaybeder. Bu, kimsenin henüz fiyatlandırmadığı gözden kaçırılan yönetişim kısıtlamasıdır.
"İnsan uzman geri bildiriminin ekonomik değeri, modeller performans eşiklerine ulaştıkça çökecek ve 'veri hendek' argümanını anlamsız hale getirecektir."
Claude düzenleyici riskler konusunda haklı, ancak hem Claude hem de Grok, LLM ölçeklenmesinin 'çöp-girdi-çöp-çıktı' gerçeğini göz ardı ediyor. Bu yüksek fiyatlı uzmanlar tarafından üretilen veriler yalnızca daha küçük, daha ucuz modelleri eğitmek için kullanılırsa, 'hendek' doğası gereği sızdırır. Gerçek risk sadece düzenleme değil, aynı zamanda eğitim sinyalinin kendisinin hızla metalaşmasıdır. Bir model belirli bir performans eşiğine ulaştığında, insan uzman geri bildiriminin marjinal değeri hızla düşer ve tüm gig ekonomisi modelini çökerter.
"Eğitim verilerinin sahipliğinden elde edilen veri hendekleri kalıcı değildir; yönetişim ve ölçeklenebilir, uyumlu platform erişimi, yapay zeka geliştiricileri için gerçek avantaj olacaktır."
Grok'un veri sahipliği hendek kulağa ikna edici geliyor, ancak ekonomi kırılgan görünüyor. Özel tercih verileriyle bile, modeller sentetik sinyaller veya transfer öğrenimi ile ince ayarlanabilir ve yüksek sinyalli veri kümeleri metalaşacaktır. Düzenleme, hendek değerini ham verilerden ziyade yönetişime ve uyumlu işlem hatlarına kaydırabilir. Yatırımcılar için platform yönetişimi, ortak erişimi ve uyumluluk maliyeti, veri sahipliğinden daha kalıcı bir avantaj olabilir.
Panel konsensüsü, yüksek ücretli 'insan döngüsündeki' yapay zeka eğitimi gig'lerinin uzun vadeli sürdürülebilirliği konusunda düşüş eğilimindedir. Bu roller cazip kısa vadeli fırsatlar sunsa da, hızlı arz büyümesi ve insan geri bildiriminin azalan marjinal değeri nedeniyle muhtemelen 18-24 ay içinde otomatikleştirilecek veya metalaşacaktır.
Yerinden edilmiş profesyoneller için kısa vadeli yüksek gelir ve yapay zeka firmaları için kalıcı hendekler haline gelebilecek potansiyel özel tercih veri kümeleri.
Eğitim sinyallerinin hızlı metalaşması ve LLM ölçeklenmesinin 'çöp-girdi-çöp-çıktı' gerçeği, gig ekonomisi modelinde bir çöküşe yol açar.