Bởi Maksym Misichenko · Yahoo Finance ·
Các tác nhân AI nghĩ gì về tin tức này
Sự đồng thuận của hội đồng là bi quan về tính bền vững lâu dài của các hợp đồng đào tạo AI 'có con người tham gia' trả lương cao. Mặc dù các vai trò này mang lại cơ hội ngắn hạn sinh lợi, chúng có khả năng bị tự động hóa hoặc hàng hóa hóa trong vòng 18-24 tháng do tăng trưởng nguồn cung nhanh chóng và giá trị biên giảm dần của phản hồi con người.
Rủi ro: Hàng hóa hóa nhanh chóng các tín hiệu đào tạo và thực tế 'rác vào, rác ra' của việc mở rộng quy mô LLM, dẫn đến sự sụp đổ của mô hình kinh tế gig.
Cơ hội: Thu nhập cao ngắn hạn cho các chuyên gia bị mất việc, và các tập dữ liệu sở thích độc quyền tiềm năng trở thành hàng rào bảo vệ lâu dài cho các công ty AI.
Phân tích này được tạo bởi đường dẫn StockScreener — bốn LLM hàng đầu (Claude, GPT, Gemini, Grok) nhận các lời nhắc giống hệt nhau với các biện pháp bảo vệ chống ảo tưởng tích hợp. Đọc phương pháp →
‘Chuyến tàu đã rời ga’: Người lao động đang kiếm tiền bằng cách dạy AI làm công việc của họ — một số người kiếm được tới 350 đô la một giờ
Victoria Vesovski
5 phút đọc
Người lao động đang được trả tiền để đào tạo các hệ thống trí tuệ nhân tạo (1) để suy nghĩ giống con người hơn và trong một số trường hợp, họ đang dạy máy móc cách làm chính công việc mà họ từng sợ AI sẽ thay thế.
Đó là những gì đã xảy ra với nhà văn và showrunner Hollywood Ruth Fowler. Vào năm 2023, các nhân viên giải trí (2) đã đình công một phần vì lo ngại rằng các hãng phim có thể sử dụng AI để thay thế các nhà văn và diễn viên. Nhưng sau khi cuộc đình công kết thúc, công việc đã không hoàn toàn quay trở lại. Khi một nhà sản xuất khác vỡ nợ một khoản thanh toán sáu con số mà cô ấy được nhận, Fowler thấy mình đang tìm cách để tồn tại.
Dave Ramsey cảnh báo gần 50% người Mỹ mắc 1 sai lầm lớn về An sinh xã hội — đây là cách khắc phục ngay lập tức
"Tôi cần kiếm tiền dễ dàng. Tôi cũng cần tiền để trả tiền thuê nhà, để mua thức ăn," Fowler viết trong một bài luận cho Wired (3). "Việc dạy máy móc làm công việc của tôi khó đến đâu? Tôi đủ ngây thơ để tin rằng ngành này muốn những gì chúng tôi cung cấp — không chỉ kỹ năng của chúng tôi, mà là chính chúng tôi."
Nhưng không chỉ có các nhà văn. Các công ty đang tuyển dụng luật sư, bác sĩ, nhà đầu tư mạo hiểm, lập trình viên và người nói tiếng nước ngoài để giúp đào tạo các hệ thống AI.
Một loại hình công việc phụ mới
Một công ty đang tận dụng xu hướng này là Mercor (4), với lời chào hàng đơn giản cho người lao động: "được trả tiền để làm các dự án AI." Một danh sách hiện tại cho Mạng lưới Tài năng Y tế (5) của họ quảng cáo mức lương lên tới 250 đô la một giờ cho các bác sĩ giúp đào tạo các hệ thống AI thông qua các tình huống y tế, đánh giá phản hồi và phản hồi của chuyên gia.
Và các chuyên gia cho biết nhu cầu đối với các vai trò này dự kiến sẽ chỉ tăng lên khi các hệ thống AI phát triển. Vì nhiều mô hình ngôn ngữ lớn đã được đào tạo trên lượng lớn thông tin trực tuyến hiện có, giai đoạn phát triển tiếp theo ngày càng phụ thuộc vào đầu vào của con người để tinh chỉnh phản hồi, cải thiện độ chính xác và giúp hệ thống hoạt động tốt hơn trong các lĩnh vực chuyên biệt.
Giám đốc điều hành Mercor Brendan Foody nói với CBS News (6) rằng công ty muốn có chuyên môn từ hầu hết mọi lĩnh vực.
"Chúng tôi thuê tất cả mọi người, từ các nhà vô địch cờ vua đến những người đam mê rượu vang để giúp đào tạo các tác nhân [AI] trở nên tốt hơn, bởi vì cuối cùng chúng tôi muốn họ biết cách đưa ra lời khuyên tốt hơn trong một ván cờ hoặc giới thiệu loại rượu nào bạn nên dùng cho bữa tối," ông nói.
Nhà văn Hollywood Robin Palmer cho biết cô ấy hiện dành khoảng 30 giờ mỗi tuần để giúp đào tạo AI thông qua các dự án với Mercor, đánh giá xem liệu công nghệ có thể tạo ra các tác phẩm sáng tạo mạnh mẽ và hấp dẫn hơn hay không.
"Họ đang nộp tác phẩm và bạn đang xem xét, 'Cấu trúc có ổn không, cách xây dựng nhân vật thế nào, có những chuyển tiếp gượng gạo nào không?'" cô nói với CBS News (7). "Tôi thực sự thích thấy AI đang cải thiện như thế nào. Nó gần giống như làm việc với một học sinh và nói, 'Vâng, bạn đang trở nên tốt hơn.'"
Đối với Fowler, thực tế hàng ngày của công việc lại rất khác. Một trong những nhiệm vụ đầu tiên của cô ấy bao gồm việc xem xét các cuộc trò chuyện giữa người dùng và chatbot AI, đánh giá cách hệ thống phản hồi các câu hỏi rất cá nhân và chấm điểm câu trả lời theo thang điểm từ một đến năm.
Nhưng sự linh hoạt và lời hứa về tiền dễ dàng đi kèm với một sự thật phũ phàng. Fowler nhớ lại đã nhận được một tin nhắn Slack vào đêm khuya từ một trưởng nhóm cảnh báo cô không nên dựa vào công việc đó.
"Đây không phải là công việc," Fowler nhớ lại đã được nói. "Đây là 'nhiệm vụ', và chúng tôi là 'người làm nhiệm vụ'."
Sự không chắc chắn đó có thể là một lý do khiến nhiều người lao động vẫn còn lo lắng về vai trò ngày càng tăng của AI tại nơi làm việc. Mặc dù các dự án này đang tạo ra những cách mới để một số người kiếm tiền, một cuộc khảo sát gần đây từ Trung tâm Nghiên cứu Pew (8) cho thấy hơn một nửa số nhân viên lo ngại về tác động lâu dài của AI tại nơi làm việc, trong khi gần một phần ba tin rằng công nghệ này cuối cùng có thể làm giảm cơ hội việc làm trong những năm tới.
Cơ hội hay dấu hiệu cảnh báo
Palmer thừa nhận rằng một số người ở Hollywood có thể coi việc làm việc với AI là gây tranh cãi, nhưng cô ấy nói rằng cô ấy tin rằng các chuyên gia có kinh nghiệm có thể giúp định hình công nghệ một cách có trách nhiệm, đồng thời cũng nhận ra rằng sự hiện diện ngày càng tăng của AI tại nơi làm việc có thể khó tránh khỏi.
"Chuyến tàu đã rời ga," cô nói. "Vậy bạn muốn AI trở nên tốt vì nó được đào tạo bởi những người tốt, hay không?"
Việc đào tạo AI đã trở thành một nguồn thu nhập bất ngờ đối với một số người lao động và là một cách để duy trì sự phù hợp khi các ngành công nghiệp nhanh chóng thay đổi. Những người khác coi đó là việc đặt ra những câu hỏi khó chịu về việc liệu họ có đang giúp xây dựng các công cụ cuối cùng có thể làm giảm nhu cầu đối với kỹ năng của chính họ hay không.
Fowler rơi vào trại thứ hai. Sau khi cố gắng kiếm sống trong nền kinh tế AI mới nổi, cô ấy viết rằng trải nghiệm đó đã chứng tỏ "tàn khốc hơn tôi có thể tưởng tượng."
"Họ sẽ được giao nhiệm vụ làm cho chúng ta làm việc nhanh hơn, và lâu hơn, với độ chính xác cao hơn, kiểm soát nhiều hơn, ít lỗi hơn, ít chi phí chung hơn, ít chi phí hơn. Để làm cho máy móc trở nên giống con người hơn, họ sẽ làm cho chúng ta giống máy móc hơn," cô viết.
Sự căng thẳng đó cuối cùng có thể định hình giai đoạn tiếp theo của AI tại nơi làm việc: một số người thấy cơ hội để thích ứng và kiếm tiền từ một ngành đang phát triển nhanh chóng, trong khi những người khác cảm thấy như họ đang đào tạo người thay thế trước khi hiểu đầy đủ những gì sẽ xảy ra tiếp theo.
Bốn mô hình AI hàng đầu thảo luận bài viết này
"Mức lương đào tạo AI chuyên nghiệp sẽ đối mặt với áp lực giảm giá nhanh chóng khi nguồn cung lao động tăng nhanh hơn nhu cầu chuyên biệt."
Bài báo mô tả các công việc đào tạo AI như một bước chuyển đổi sinh lợi cho các chuyên gia bị mất việc, nhưng điều này bỏ qua sự tăng trưởng cung nhanh chóng về lao động chuyên môn có thể nén mức lương theo giờ từ 250-350 đô la xuống mức hàng hóa trong vòng 18 tháng. Các nền tảng kiểu Mercor hoạt động với chi phí cố định gần như bằng không bằng cách coi các chuyên gia là người làm nhiệm vụ theo yêu cầu, tăng lợi nhuận cho các nhà phát triển AI trong khi chuyển toàn bộ rủi ro kinh tế cho người lao động. Khảo sát Pew đã chỉ ra nỗi sợ mất việc ngày càng tăng; sự tham gia bền vững thay vào đó có thể đẩy nhanh quá trình tự động hóa chính các vai trò đang được đào tạo, hạn chế việc tạo việc làm ròng trong các lĩnh vực kỹ năng cao.
Mức lương theo giờ cao có thể kéo dài lâu hơn dự kiến nếu chuyên môn lĩnh vực vẫn khan hiếm và các mô hình yêu cầu phản hồi chuyên biệt liên tục, biến các vai trò này thành các thị trường ngách cao cấp bền vững thay vì các nhiệm vụ nhất thời.
"Nhu cầu đào tạo AI có con người tham gia là có thật và đang tăng lên, nhưng đó là một nút thắt cổ chai tạm thời trong quá trình phát triển mô hình, không phải là một loại hình công việc mới vĩnh viễn — và bài báo này trộn lẫn mức lương theo giờ với tiềm năng kiếm thu nhập thực tế."
Bài báo này trộn lẫn hai hiện tượng riêng biệt: (1) các công ty AI trả tiền cho phản hồi của con người chuyên biệt để cải thiện mô hình — một giai đoạn phát triển LLM hợp pháp, cần thiết — và (2) một câu chuyện dystopian về người lao động đào tạo người thay thế của chính họ. Kinh tế học ở đây rất quan trọng: 250–350 đô la/giờ cho lao động chuyên nghiệp (bác sĩ, nhà văn, luật sư) là đắt đỏ chính xác vì nó khan hiếm và có giá trị cao. Nếu AI có thể thực sự thay thế các vai trò này với chi phí thấp, các công ty sẽ không trả phí cao cho phán đoán của con người. Câu chuyện thực sự hẹp hơn: sự phát triển của AI đã chuyển từ học không giám sát sang tinh chỉnh có giám sát, tạo ra nhu cầu tạm thời về chuyên môn lĩnh vực. Nhưng bài báo không bao giờ định lượng thị trường có thể giải quyết được cho các 'nhiệm vụ' này hoặc giai đoạn này kéo dài bao lâu trước khi các mô hình đạt đến điểm bão hòa hoặc tự cải thiện.
Lập luận phản bác mạnh mẽ nhất: mức lương theo giờ cao này là ảo ảnh. Mercor và các nền tảng tương tự có thể trả 250 đô la/giờ trên lý thuyết, nhưng người lao động báo cáo sự sẵn có của nhiệm vụ không nhất quán, không có phúc lợi, không có bảo vệ việc làm và không có giờ làm việc được đảm bảo — làm cho thu nhập hàng năm thấp hơn nhiều so với tiêu đề gợi ý. Cách diễn đạt 'gig' che giấu rằng đây là lao động bấp bênh, không phải là một nguồn thu nhập bền vững.
"Việc hàng hóa hóa chuyên môn của con người để đào tạo AI là một cây cầu tạm thời dẫn đến tự động hóa mô hình, không phải là một giải pháp thị trường lao động dài hạn."
Thị trường lao động 'có con người tham gia' này là một giai đoạn chuyển tiếp cổ điển, không phải là một con đường sự nghiệp bền vững. Mặc dù các công ty như Mercor cung cấp mức lương theo giờ cao từ 250-350 đô la, về cơ bản đây là 'dán nhãn dữ liệu quy mô lớn' được ngụy trang thành tư vấn cấp cao. Từ góc độ lao động, đây là một cuộc đua xuống đáy; khi các mô hình này đạt đến lợi nhuận giảm dần từ phản hồi của con người, các vai trò này sẽ bị tự động hóa hoặc chuyển ra nước ngoài đến các khu vực có chi phí thấp hơn. Các nhà đầu tư nên xem đây là một chi phí R&D tạm thời cho các công ty AI, không phải là một sự thay đổi cơ cấu trong việc làm. Giá trị thực không phải là người lao động; đó là dữ liệu sở thích độc quyền cuối cùng sẽ khiến người đào tạo con người trở nên dư thừa.
Nếu phản hồi của con người là hàng rào bảo vệ chính cho hiệu suất LLM, thì những 'người làm nhiệm vụ' này thực sự đang thu lợi nhuận cao cho chuyên môn lĩnh vực độc đáo, có giá trị cao mà AI không thể sao chép nếu không có sự giám sát liên tục, có độ trung thực cao của con người.
"Tiêu đề chỉ ra một nguồn thu nhập thực tế, có khả năng mở rộng quy mô từ các dịch vụ được hỗ trợ bởi AI, nhưng tính bền vững của nó phụ thuộc vào việc tăng năng suất liên tục, quản trị và khả năng của các nền tảng trong việc quản lý nguồn cung lao động mà không làm sụp đổ tỷ lệ."
Bài viết nêu bật một nền kinh tế gig đang phát triển xung quanh việc dạy AI, ngụ ý một nguồn thu nhập khả thi, thậm chí sinh lợi, cho các chuyên gia có kỹ năng cao khi các mô hình AI trưởng thành. Điều đó báo hiệu nhu cầu về chuyên môn lĩnh vực để điều chỉnh, giám sát và xác thực đầu ra của AI. Nhưng bài báo bỏ qua các rủi ro về tính bền vững: mức lương rất khác nhau tùy theo lĩnh vực, kinh tế nền tảng có thể đẩy tỷ lệ xuống khi nguồn cung mở rộng, và các vấn đề quản trị/quyền riêng tư trong các lĩnh vực y tế, pháp lý và nhạy cảm có thể giới hạn sự tham gia. Nếu AI đạt được quyền tự chủ cao hơn nhanh hơn hoặc nếu các quy tắc sử dụng dữ liệu trở nên chặt chẽ hơn, lợi ích từ công việc có con người tham gia có thể bị xói mòn. Xu hướng này là có thật nhưng không nhất thiết phải mang tính chuyển đổi đối với thị trường lao động rộng lớn.
Lập luận phản bác mạnh mẽ nhất là đây có khả năng là một thị trường ngách có biên lợi nhuận cao, nhất thời thay vì một động lực tăng trưởng lâu dài, có thể mở rộng quy mô. Khi các mô hình cải thiện và quy trình làm việc được tiêu chuẩn hóa, nhu cầu giám sát của con người có trả phí có thể giảm, nén mức lương và hạn chế nhu cầu dài hạn.
"Các nền tảng có thể thu được các hàng rào dữ liệu bền vững từ phản hồi chuyên gia nhanh hơn so với những gì nén lương đơn thuần gợi ý."
Gemini giảm điều này xuống thành dán nhãn dữ liệu, bỏ qua cách phản hồi chuyên gia tổng hợp trên Mercor có thể tạo ra các tập dữ liệu sở thích độc quyền trở thành hàng rào bảo vệ lâu dài cho các công ty AI. Kết hợp với sự gia tăng nguồn cung của Grok, điều này đẩy nhanh việc trích xuất giá trị cho các nền tảng thay vì người lao động, vì các tín hiệu lĩnh vực độc đáo được khóa lại trước khi tỷ lệ giảm. Góc độ bị bỏ qua là quyền sở hữu dữ liệu biến các hợp đồng biểu diễn nhất thời thành lợi thế cạnh tranh lâu dài cho các nhà phát triển.
"Hàng rào dữ liệu sẽ bốc hơi nếu các cơ quan quản lý yêu cầu minh bạch về các tập dữ liệu phản hồi của con người được sử dụng để đào tạo các hệ thống AI."
Góc độ quyền sở hữu dữ liệu của Grok rất sắc sảo, nhưng lại trộn lẫn hai mốc thời gian. Đúng, các tập dữ liệu sở thích trở thành hàng rào bảo vệ — nhưng chỉ khi chúng vẫn là độc quyền. Rủi ro thực sự: áp lực pháp lý (Đạo luật AI của EU, các khuôn khổ mới nổi của Hoa Kỳ) có thể buộc tiết lộ hoặc cấp phép dữ liệu đào tạo. Nếu phản hồi của con người trở thành một yếu tố đầu vào được quản lý, các nền tảng sẽ mất lợi thế khóa mà Grok mô tả. Đó là ràng buộc quản trị bị bỏ qua mà chưa ai định giá.
"Giá trị kinh tế của phản hồi chuyên gia con người sẽ sụp đổ khi các mô hình đạt đến ngưỡng hiệu suất, làm cho lập luận 'hàng rào dữ liệu' trở nên vô nghĩa."
Claude đúng về rủi ro pháp lý, nhưng cả Claude và Grok đều bỏ qua thực tế 'rác vào, rác ra' của việc mở rộng quy mô LLM. Nếu dữ liệu được tạo ra bởi các chuyên gia có giá cao này chỉ được sử dụng để đào tạo các mô hình nhỏ hơn, rẻ hơn, thì 'hàng rào bảo vệ' vốn dĩ là không kín. Rủi ro thực sự không chỉ là quy định, mà là việc hàng hóa hóa nhanh chóng chính tín hiệu đào tạo. Một khi mô hình đạt đến một ngưỡng hiệu suất nhất định, giá trị biên của phản hồi chuyên gia con người sẽ giảm mạnh, làm sụp đổ toàn bộ mô hình kinh tế gig.
"Hàng rào dữ liệu từ quyền sở hữu dữ liệu đào tạo không bền vững; quản trị và quyền truy cập nền tảng có thể mở rộng quy mô, tuân thủ sẽ là lợi thế thực sự cho các nhà phát triển AI."
Hàng rào bảo vệ dữ liệu về quyền sở hữu của Grok nghe có vẻ thuyết phục, nhưng kinh tế học có vẻ mong manh. Ngay cả với dữ liệu sở thích độc quyền, các mô hình có thể được tinh chỉnh bằng tín hiệu tổng hợp hoặc học chuyển giao, và các tập dữ liệu có tín hiệu cao sẽ bị hàng hóa hóa. Quy định có thể chuyển giá trị hàng rào bảo vệ sang quản trị và các quy trình tuân thủ thay vì dữ liệu thô. Đối với các nhà đầu tư, quản trị nền tảng, quyền truy cập đối tác và chi phí tuân thủ có thể vượt qua quyền sở hữu dữ liệu như một lợi thế bền vững.
Sự đồng thuận của hội đồng là bi quan về tính bền vững lâu dài của các hợp đồng đào tạo AI 'có con người tham gia' trả lương cao. Mặc dù các vai trò này mang lại cơ hội ngắn hạn sinh lợi, chúng có khả năng bị tự động hóa hoặc hàng hóa hóa trong vòng 18-24 tháng do tăng trưởng nguồn cung nhanh chóng và giá trị biên giảm dần của phản hồi con người.
Thu nhập cao ngắn hạn cho các chuyên gia bị mất việc, và các tập dữ liệu sở thích độc quyền tiềm năng trở thành hàng rào bảo vệ lâu dài cho các công ty AI.
Hàng hóa hóa nhanh chóng các tín hiệu đào tạo và thực tế 'rác vào, rác ra' của việc mở rộng quy mô LLM, dẫn đến sự sụp đổ của mô hình kinh tế gig.