被裁的律師、歷史博士和科學家，如今成為零工經濟中一群悲慘的勞工，他們正在訓練 AI 去執行他們過去的工作。如果你還在職...
這篇文章是 The Verge 與 New York Magazine 的合作成果。
這則 LinkedIn 貼文看起來像又一個詐騙工作機會，但 Katya 絕望到點了進去。大學畢業後，她曾努力成為一名自由記者，之後又去讀了研究所，然後轉向她認為會更穩定的內容行銷領域——結果卻發現 AI 已經自動化了大部分工作。這家公司叫做 Crossing Hurdles，承諾提供時薪 45 美元的文案寫作工作。
Katya 點進去後被帶到另一家名為 Mercor 的公司頁面，她被指示要與一個名為 Melvin 的 AI 進行視訊面試。「這看起來太可疑了，」Katya 說。她關閉了分頁。但幾週後，她仍然失業，收到一則邀請她申請 Mercor 的訊息。這次，她查了一下這家公司。Mercor 似乎是販售訓練 AI 的數據，而她被招募來創建這些數據。「我的工作因為 ChatGPT 而消失了，而我卻被邀請去訓練一個能做到最糟糕版本的模型，」她說。這個想法讓她感到沮喪。但她的財務狀況越來越糟，急需搬家，於是她打開了網路攝影機，對著 Melvin 說了聲「哈囉」。
這是一次奇怪但大致愉快的經驗。Melvin 以一個沒有實體的男聲出現在 Katya 的筆記型電腦上，似乎真的讀過她的履歷，並對此提出了具體問題。幾週後，Katya（和故事中大多數因擔心報復而要求使用化名的人一樣）收到 Mercor 的一封電子郵件，提供她一份工作。如果她接受，就必須簽署合約、接受背景調查，並在她的電腦上安裝監控軟體。她立刻簽了。
她被加入了一個 Slack 頻道，在那裡她清楚地知道自己是進入一個已經進行中的專案。數百人正忙著撰寫人們可能會問聊天機器人的提示範例，撰寫聊天機器人對這些提示的理想回應，然後創建一個詳細的標準清單，定義了這個理想回應的標準。每項任務需要數小時才能完成，然後數據會被送到數位裝配線上的其他員工進行進一步審核。Katya 並不知道她在訓練誰的 AI——經理們只稱其為「客戶」——也不知道這個專案的用途。但她很享受這份工作。她覺得玩弄模型很有趣，而且薪水很高。「這就像有一份真正的工作一樣，」她說。
Katya 開始工作兩天後，專案突然暫停。幾天後，一位主管出現在房間裡，告知所有人專案已被取消。「我原本以為我可以規劃這件事。我正在存錢支付公寓的第一個月和最後一個月租金，」Katya 說，「然後我又回到原點。沒有預警，沒有保障，什麼都沒有。」幾天後，她收到 Mercor 的一封電子郵件，提供了另一份工作，內容是評估聊天機器人與真實用戶之間的對話——根據各種標準，例如聊天機器人遵循指示的程度以及語氣的適當性，其中許多用戶似乎是來自馬來西亞和越南練習英語的人。電子郵件說，簽署合約，並在 45 分鐘內參加 Zoom 入職培訓。當時是週日下午 6:30。由於上次的臨時結束，她接受了這份工作，並一直工作到無法保持清醒為止。
機器學習系統透過尋找海量數據中的模式來學習，但首先必須由人類對這些數據進行分類、標記和生產。ChatGPT 之所以能獲得驚人的流暢度，是因為有數千名由 Scale AI 和 Surge AI 等公司聘僱的人類，撰寫了有幫助的聊天機器人助手會說的話，並對其最佳回應進行評分。大約一年前，業界開始對該技術的進展停滯感到擔憂。基於這種評分方式訓練的模型，產生了聽起來很聰明的聊天機器人，但仍然太不可靠而無法使用。軟體工程是一個例外，模型能夠自動檢查程式碼是否有效——程式碼是否能編譯，是否能印出 HELLO WORLD——這讓它們能夠透過試錯來獲得真正的能力。
問題是，很少有其他人際活動能提供如此明確的回饋。沒有客觀的測試可以判斷財務分析或廣告文案是否「好」。儘管如此，AI 公司仍致力於制定這些測試，總共支付了數十億美元給各種類型的專業人士，為工作表現良好制定嚴格且全面的標準。Katya 偶然發現的 Mercor 公司，由三位當時 19 歲的舊金山灣區年輕人 Brendan Foody、Adarsh Hiremath 和 Surya Midha 於 2023 年創立，最初是一個利用 AI 面試將海外工程師與科技公司配對的求職平台。該公司收到了大量來自 AI 開發者的詢問，他們尋求專業人士來生產訓練數據，因此決定進行調整。去年，Mercor 的估值達到 100 億美元，使其創始三人組成為世界上最年輕的白手起家億萬富翁。OpenAI 和 Anthropic 都是其客戶。
這些數據公司都吹噓自己擁有專業的專家團隊。Mercor 表示每週約有 30,000 名專業人士在其平台上工作，而 Scale AI 聲稱擁有超過 700,000 名「碩士、博士和大學畢業生」。Surge AI 則宣傳其擁有最高法院訴訟律師、麥肯錫公司高管和白金唱片藝術家。這些公司正在招聘在法律、金融和編碼領域擁有經驗的人才，這些都是 AI 快速發展的領域。但他們也招聘人們來生產幾乎任何你能想像到的工作的數據。職位列表尋找廚師、管理顧問、野生動物保育科學家、檔案管理員、私人偵探、警官、記者、教師和租車櫃檯職員。一則最近的職位廣告要求具備「北美青少年早期至中期幽默感」的專家，他們需要能夠「使用清晰、邏輯性的語言解釋幽默，包括引用北美俚語、趨勢和社會規範」。正如一位行業資深人士所說，這是人類專業知識有史以來最大規模的採集。
這些公司在日益增長的受過高等教育但就業不足的群體中找到了豐富的招聘來源。除了 2008 年的金融危機和疫情之外，招聘人數是幾十年來最低的。去年八月，早期職業求職平台 Handshake 發現，該網站上的職位發布量與前一年相比下降了 16% 以上，而職位收到的申請則增加了 26%。同時，Handshake 去年推出了一項計畫，將求職者與 AI 訓練數據生產職位聯繫起來。「隨著 AI 重塑工作的未來，」該公司在宣布該計畫時寫道，「我們有責任重新思考、教育和準備我們的網絡，以應對職業生涯並參與 AI 經濟。」
關於通用人工智能系統可以取代大部分人類認知勞動的預測，與 AI 實驗室實際花費在一次性自動化任務數據上的資金之間，存在著一種潛在的緊張關係。這是未來大規模突然失業與更微妙但潛在同樣具破壞性的未來之間的區別：一個越來越多的人發現自己從事訓練 AI 去做他們曾經做過的工作的未來。第一波這類工人包括軟體工程師、平面設計師、作家和其他在新的訓練技術被證明有效的領域的專業人士。他們發現自己處於一種超現實的境地，爭奪著那些模仿他們曾希望擁有的職業的、不穩定的零工。
我交談過的 30 多名工人，每個人都處於一個龐大且不斷增長的數據供應鏈中的一個位置。有些人負責製作定義聊天機器人良好回應的標準清單，通常稱為「評分標準」，而另一些人則對這些評分標準進行評分。其他人根據這些評分標準對聊天機器人的回答進行評分，還有一些人則採用評分標準並寫出通常被描述為「黃金輸出」或理想聊天機器人回答的內容。其他人則被要求解釋他們為獲得這個黃金輸出所採取的每一步驟，並以一個思考中的聊天機器人的語氣進行，產生所謂的「推理追蹤」，供 AI 以後在現實世界中遇到類似任務時遵循。
有時實驗室只想要他們 AI 無法完成的提示的評分標準，這意味著像 Mercor 這樣的公司要求工人生產「難題」，或會讓模型失敗的要求。「聽起來很容易，但實際上很難，」一位試圖透過詢問模型製作庫存管理儀表板來難倒模型的工人說。模型會以違反直覺的方式失敗。它們可能能夠解決高等物理考試問題，但要求它們提供交通路線，它們卻會建議在不相連的火車線上換乘。找出這些弱點需要時間和創造力。
一種專案會聚集一群律師、人力資源經理、教師、顧問或銀行家，進行 Mercor 稱為「世界構建」的活動。「你和你的團隊將扮演你專業領域中一個真實團隊的角色扮演，」培訓材料寫道。團隊會獲得專用的電子郵件、日曆和聊天應用程式，並被要求創建與某個公司項目相關的一百多份文件，例如一家虛構的礦業公司分析是否進入數據中心業務。
一位工人回憶說，經過幾天 16 小時的幻想文件製作後，產生的簡報、會議記錄和財務預測會被發送給另一個團隊，該團隊將其作為磨練模型在模擬公司環境中的嘗試的素材。然後，在難倒模型後，該團隊會編寫新的、更細緻的評分標準、黃金輸出等。工人只能猜測客戶是誰，或者有多少人參與了這個專案——根據對「管理諮詢世界第 133 號」等團隊的提及，可能有數百人，甚至數千人。
有人被僱用來評估圖像模型遵循提示的能力，也有人詳細總結影片剪輯，據推測是為了訓練影片模型。提高 AI 進行口語對話能力的努力，導致對配音演員的需求激增，他們可能會發現自己正在錄製「真實、情感共鳴」的演講，根據一份職位描述。一位有抱負的編劇說：「我只是告訴人們我在訓練 AI，這樣聽起來比我實際做的工作更專業。」他曾被指示錄下自己假裝向聊天機器人詢問健身計畫的聲音，同時廚房裡傳來鍋碗瓢盆的碰撞聲。另一次，他被告知要錄下自己向一群他認為是其他工人的「人」提供電話金融建議。
這些音訊可能會被分解，然後發送給像 Ernest 這樣的人，他曾經靠線上家教維生，直到他工作的公司用聊天機器人取代了他。當我們交談時，他正在聽著以 0.1 倍速播放的隨機對話的逐分鐘剪輯，並標記出說話者開始和停止說話的時間，精確到毫秒。許多剪輯包含一個人與聊天機器人對話，並插入「嗯」或「我明白了」之類的聲音，所以他認為他正在提高 AI 進行自然流暢對話的能力，但他實際上並不知道。
正如該領域的標準做法一樣，該專案以代號稱呼，客戶也僅被稱為「客戶」。整個系統的設計使得工人對他們所屬的供應鏈的了解最少。如果他們發現客戶是誰，他們將被合約禁止告知任何人，甚至他們自己的同事。根據一份 Mercor 協議，他們也不被允許描述他們工作的細節，除了「在 XYZ 領域提供專業知識以改進頂級 AI 實驗室的模型」等廣泛的概括性說法。工人們非常害怕無意中違反保密協議而被解僱，因此當他們在公開論壇上討論工作時，他們會用額外的代號來掩蓋他們已經代號化的專案，例如將一個名為「Raven」的專案稱為「Poe」。
Katya 在 Mercor 的第二個專案壓力大得多。工作機會變少，而且時有時無。經理會在 Slack 頻道裡發布訊息說，半小時後將有新任務進來，她說：「Slack 裡的每個人都會放下手邊的事情，像食人魚一樣撲上去，」盡可能快地工作，同時顯示剩餘任務的進度條滑向零。然後他們又回到 Slack，禮貌地乞求主管提供更多工作和更多工時，談論他們孩子的生日或他們需要支付房租，或者告訴任何可能在聽的人，他們隨時都有空，以防有更多工作要做。很快，Katya 也會因為 Slack 的提示聲而放下一切。「有時候我在上廁所或吃晚餐時收到 Slack 通知。我會說：『哦，抱歉，我現在得工作了。』」
那個專案很快就結束了，然後又來了一個。它與她喜歡的第一個專案幾乎相同，但現在，除了撰寫評分標準外，她還必須在相同時間內完成更困難的任務來難倒模型。她的時薪也減少了 8 美元。這在 Mercor 很常見。我交談過的幾乎所有工人報告說，隨著專案的進行，要求增加，時間要求縮短，薪資下降。那些無法滿足新要求的人被「淘汰」，並被新招募的員工取代。
Chris 去年加入了 Mercor，此前他花了幾個月時間艱難地尋找電影工作。與許多懷疑自己是自動化受害者的人不同，他確信自己就是如此。他曾有一份定期工作，為一個未編寫劇本的電視節目撰寫劇集——進行預訪談、勾勒場景、編寫真人秀節目的劇本。但在 2024 年底，他被告知該節目將採用「精簡團隊」，他的工作不再需要了。他後來得知該公司正在使用 ChatGPT 來撰寫新劇集。因此，在十月，當 Chris 收到一家主要 AI 公司為他撰寫完整科幻劇本的邀請時，他答應了，儘管前景黯淡。從那以後，他一直在不同的零工之間轉換。「這是我現在唯一的收入來源，」他說。「我認識一些得獎的製片人和導演，他們不會公開說他們在做這份工作，但這就是他們謀生的方式。」
他在 Mercor 的第一份工作，和 Katya 一樣，相對愉快且薪水不錯，但很快就出現了晚上 6 點的 Slack 訊息，用握拳表情符號鼓勵「來吧團隊，讓我們堅持下去」，隨後是突然的中斷和數月的沉默。「你整天都在等待發令槍響，」Chris 說。然後又是趕工時間，經理們越來越恐慌，因為截止日期臨近，開始威脅工人，如果他們不夠快地完成任務就會被淘汰。
他花在工作上的時間被一個名為 Insightful 的軟體精確到秒地追踪，該軟體監控他在電腦上所做的一切。軟體認為「無生產力」的時間可能會從他的薪水中扣除，如果他幾分鐘沒有打字，系統就會 ping 他，詢問他是否在工作。有時 Chris 會看到有人在 Slack 上發帖說，他們在一個特別棘手的任務上花費了超過目標時間，並希望沒事；第二天，他們就消失了。
他越來越擔心自己也會被淘汰，於是開始在下班時間工作，在閱讀說明時停用 Insightful，以便加快速度。如果他超過了目標時間，他就會關閉時鐘，免費繼續工作。
公司表示，這種軟體對於準確追踪工時和防止工人作弊是必要的，而作弊在這裡意味著使用 AI，這是所有數據公司嚴格禁止的。經過驗證的人類專業知識的真實性是他們銷售的商品，當 AI 在 AI 生成的數據上進行訓練時，它會逐漸退化，這種現象被研究人員稱為「模型崩潰」。數據公司的員工表示，持續不斷地努力篩選掉 AI 的垃圾數據。對工人來說，隨著壓力的增加，AI 成為一種特別的誘惑。當試圖用分析儀表板來難倒模型的零售專家，她每項任務的目標時間從八小時降至五小時，再降至三點五小時時，她關閉了 Insightful 並尋求外部幫助。「老實說，我進入了 Copilot 和 ChatGPT，輸入了我的提示，然後說：『我該如何處理這個，讓你們無法回答？』」然後她又去另一個聊天機器人那裡，詢問這個提示聽起來是否像 AI 生成的，如果是的話，就讓它聽起來更像人類。
「這對精神影響太糟糕了，」Mimi 說，她是一位編劇，曾參與過多部串流影集，並為 Mercor 訓練 AI 數月。她從一位同行編劇那裡得知了 Mercor，這位編劇在美國編劇工會的 Facebook 群組中分享了一個 Mercor 的工作連結。
和許多從事這類工作的人一樣，Mimi 感到矛盾。「一位獲得艾美獎的紀錄片製作者給我發了訊息，他說：『我被遞上了一把鏟子，被告知要挖自己的墳墓』，這正是每個人對此的看法，」她說。儘管如此，作為一個單身母親，她需要錢。起初她對這份工作很感激，然後專案被暫停、恢復，又再次暫停。有五週的時間，她被告知一個專案即將開始。當它終於開始時，要求增加了，而預期的時間縮短了，她在 Insightful 的嚴密監視下奮力追趕。她覺得 Slack 上有人說得很對，感覺就像生活在一個魚缸裡，等待著人類主人丟下食物，只有那些游得夠快的人才能吃到。
「昨晚，我壓力大得要死，因為我兒子放學回家，已經晚上七點了，我收到一條訊息：『任務出來了！』我一直在工作，只是想在睡覺前盡量多賺點工時，」Mimi 說，聲音哽咽。「我沒有時間陪伴我的孩子，有一次，他找不到學校的東西，我就對他大喊大叫。這份工作正在把我變成一個該死的惡魔。」她對這種監控尤其感到不安：「有人可以衡量你的時間，而作為一個人的一切細微之處都被剝奪了，因為它們沒有利潤，你不能為上廁所收費，因為那不是你在工作時間，你不能為泡咖啡收費，因為那不是你在工作時間，你不能為伸展身體收費，因為你的背痛。這就是工會成立的原因，以便人們能夠獲得有保障的工時、有保障的午餐休息時間、有保障的假期和病假薪資。這是零工經濟的極致。」
這比 AI 本身更讓她擔心：它正在將計程車和外送服務轉變為知識工作中的那種不穩定的平台勞動。同時，她驚恐地看著她的同事們，他們絕望地感激著晚上七點宣布有工作進來的消息。
「這些任務預計會持續多久？」一位工人在 Slack 上問。
「我也在想，我想知道我是否能睡覺。」
沒有得到答覆，他們交換了如何熬夜的技巧。
去年 Mercor 開始積極招募時，將自己定位為比以往的平台更友善的版本。Mercor 的執行長 Foody 在一次播客中批評他的競爭對手 Scale AI 時說：「擁有你極力善待的傑出人才，是這個市場上最重要的事。」當時加入的工人確實表示受到善待；薪資比其他地方好，而且他們不是像常見的那樣由不透明的演算法管理，而是有實際的人類主管可以向他們提問。
但曾在數據公司擔任管理職位的人表示，他們通常都是這樣開始的，透過提供更好的待遇的承諾來吸引工人離開現有的平台，然後隨著他們爭奪 AI 公司提供的數千萬美元合約，條件就會惡化。在 Mercor，還有一個額外的複雜因素是，管理層大多由二十多歲、工作經驗很少的人組成，他們獲得了數億美元的投資資金來追求快速增長。
「我不在乎某人 21 歲，是我的經理，」電影製片人 Chris 說。「但他們從未在大規模上工作過。當你試圖在 Slack 中尋找指導時，非常成熟且清晰地解釋情況，你卻得到一個帶有翻白眼柯基犬的迷因，上面寫著『運用你的判斷』。但這就像『運用你的判斷，然後搞砸了，你就會被解僱。』你去了哈佛，去年畢業，你對一群人，其中許多是經驗豐富的專業人士的指導，竟然是一個迷因？」
律師、設計師、製片人、作家、科學家——所有人都抱怨經驗不足的經理給予矛盾的指示，要求長時間工作或強制進行視訊會議，卻聲稱工作時間彈性，並威脅那些行動太慢的人，這些威脅對於那些覺得自己 20 多歲的老闆幾乎不了解他們試圖自動化的領域的中年專業人士來說尤其令人惱火。
「創始人為『9-9-6』感到自豪，」一位律師說，指的是源自中國的術語，描述了與職業倦怠和自殺相關的每週 72 小時工作制，但已被矽谷視為理想。「你需要隨時待命，他們會在早上 6 點發送訊息，你最好趕快行動，因為人們認為你將被淘汰，而另一個人將取代你。」
「不僅僅是團隊領導年輕，專案經理年輕，高級專案經理年輕。而是負責整個專案的高級高級專案經理也很年輕。我想這是因為他們從頂層開始就年輕，對吧？」Lindsay 說，她是一位 50 多歲的平面設計師和插畫家，在過去一年中 85% 的工作消失後加入了 Mercor，她認為這是由於生成式 AI 的進步所致。
她越來越絕望地尋找工作；她瀏覽職位列表，似乎唯一符合她專業知識的職位是幫助構建她認為摧毀了她職業生涯的技術的機會。「我嚥下了我的仇恨並註冊了，」她說。在生產了一些圖形設計數據的初步工作後，她被邀請加入 Meta 的一個專案，從 Instagram Reels 中抓取影片並標記其中的內容。這很無聊，時薪 21 美元，薪資中等，但 Lindsay 需要錢。所以，當她被帶入專案的 Slack 時，她發現大約有 5,000 人也在做同樣的事情。
十一月初，一位 Mercor 代表宣布 Lindsay 的專案將因「範圍變更」而結束，儘管工人先前被告知該專案將持續到年底。Lindsay 和數千人發現自己被從公司的 Slack 中移除。
不久後，一封電子郵件發送到他們的收件箱，邀請他們參加一個名為 Nova 的新專案，時薪 16 美元。
數千名工人湧入新的 Slack，卻發現這是完全相同的工作，但時薪卻降低了 24%。除了兩個頻道外，所有頻道都被刪除了，包括閒聊、支援和幫助房間。互相發送私人訊息的功能也被關閉了。沒有團隊領導。由於沒有人可以尋求協助，工人們在主要頻道裡充斥著懇求和憤怒。
「沒有人知道發生了什麼。每個人都非常困惑，」Lindsay 說。「訊息在頻道裡傳得非常快。簡直是一片混亂。『救命，拜託。我該怎麼辦？我應該做什麼？我該去哪裡？我能開始任務嗎？我應該重新做所有我以前做過的評估嗎？』」
有人發送電子郵件給支援部門尋求幫助，不知何故，這封電子郵件被發送給了該專案上千名員工中的每一個人，他們抓住機會，紛紛回覆，表達他們的困惑和憤怒。「簡直是一場災難，」Lindsay 說。「沒有其他詞可以形容。」
工人們開始在 Mercor 的 Reddit 論壇上發布抱怨，但很快就被管理該論壇的 Mercor 代表刪除了。作為回應，創建了兩個非官方的 Mercor Reddit 論壇，工人們可以在其中自由表達「孩子們在經營這家公司，他們很快就會迎來報應」之類的觀點。
「這真的很令人難過，」Lindsay 說。「裡面有些人，這真的意味著他們能否養家糊口。」
「我討厭生成式 AI，」她補充說。「我認為 AI 應該用於治癒癌症。我認為它應該用於太空探索，而不是在創意產業。但我需要支付房租。然後像 Mercor 這樣的人，他們把你當作實驗室老鼠——我工作了很長時間。我從未、從未像這樣被對待過。」
去年，一位擁有神學碩士學位的德州人，他正在教語音模型以適當的情感程度回應查詢——對於用戶告訴他們狗死了和請求旅行行程，語氣不同——一天早上登錄工作時，發現他的儀表板是空的。滾動到頁面底部的支援按鈕，他發現它不再起作用了。那時他知道自己被解僱了。他的腦海裡閃過各種可能的原因：他工作太多了嗎？他的品質下降了嗎？他知道他永遠不會知道。「我感覺被拋棄了，」他說。他擔心如何支付帳單和照顧生病的狗，變得沮喪，然後感到震驚。他想到了他的老師朋友，他們無法讓學生寫作，以及所有擁有現在毫無價值的計算機科學學位的畢業生。「這項技術讓我們把一切都視為一種工具，一種可以被使用的東西，」他說，他認為這也包括像他這樣的數據工人。「他決心成為一名牧師，認為無論 AI 的未來如何，人們都需要一個同伴來陪伴他們。」
工作的時斷時續不僅是公司文化的結果；它源於 AI 開發本身的節奏。業內人士描述了這種模式。一個模型構建者，如 OpenAI 或 Anthropic，發現其模型在化學方面很弱，因此它會支付數據供應商，如 Mercor 或 Scale AI，來尋找化學家來製作數據。化學家們執行任務，直到有足夠的數量送回實驗室，然後工作暫停，直到實驗室看到數據對模型的影響。也許實驗室會繼續，但這次，它要求一種稍微不同的數據。當工作恢復時，供應商發現新的指示使任務花費的時間更長，這意味著供應商給實驗室的成本估算現在是錯誤的，這意味著供應商削減了薪資或試圖讓工人加快速度。新一批數據被交付，工作再次暫停。也許實驗室再次更改了數據要求，發現它有足夠的數據，並結束了專案，或者決定完全選擇另一家供應商。也許現在實驗室只想要有機化學家，而所有沒有相關背景的人都被排除在專案之外。接下來，需求的是生物學數據，或建築草圖，或 K-12 教學大綱設計。
為了競爭，數據公司會安排他們始終有工人待命，同時保留他們隨時可以解僱他們的自由。「每個供應商都會有某種安排，讓他們不對人們做出真正的承諾，」一家主要數據公司的資深員工說。公司本身很少能及時了解這些變化，有時是因為 AI 開發者根本不確定他們確切需要什麼數據，有時是因為他們正在尋找最優惠的價格。「他們想讓我們蒙在鼓裡，」該員工繼續說，「所以我們不可避免地讓貢獻者蒙在鼓裡，然後一筆購買失敗了，你就有一千個你訓練過並建立過關係的人說：『搞什麼？為什麼沒有工作了？』從營運者的角度來看，這也是一種可怕的感覺，但顯然對他們來說更糟。」
這個供應鏈底層的工人處於極度不穩定和最大競爭的狀態——尤其是因為他們嚴格的保密協議使得他們不可能建立任何可能持續超過特定專案的資歷或關係。「權力完全在一邊，因為他們無法談論它，」自從 2010 年代中期自動駕駛汽車熱潮以來一直在該行業工作的策略與營運主管 Matthew McMullen 說。「實驗室從你無法在市場上利用你的經驗中獲益，而這種沉默就像他們的定價權。沉默是他們從人們那裡提取大量資訊的能力，而沒有給他們反對或組織工會或讓公司自己做決定的權力。只要他們無法證明他們所做的事情，這些評級員就無法要求他們的價值。人們唯一能夠要求東西的方式就是展示他們承擔更多工作的能力。他們唯一的權力就是繼續前進，回到隊伍中。」
這些公司一直在招聘。像 Mercor 一樣，許多公司使用 AI 面試官和自動化評估，這意味著他們沒有動力限制面試數量。Mercor 提供數百美元的推薦獎金，導致一些人如此積極地推廣該公司，以至於在幾個 Reddit 論壇上禁止提及它。Katya 申請了數十份工作，獲得了三份，這並非不尋常的比例。
公司也沒有任何過度招聘的成本。由於工人名義上是獨立承包商，他們沒有帶薪休假、休息時間、醫療保健、加班費或失業救濟金。讓他們待命是免費的，而大量經過審核的工人確保他們會迅速完成任務，以免被其他人搶走。這一切結合起來，形成了一種雇主可以像開關一樣打開和關閉勞動力的安排。（Mercor 發言人 Heidi Hagberg 在回應置評時表示，「這種性質是基於專案的合約工作，意味著它可能隨時延長、暫停或結束，特別是隨著客戶的範圍和需求不斷發展」，並且許多工人抱怨「主要集中在全職工作與專案工作之間的期望不一致。」）
如果你動作快、運氣好，並且擁有正確的專業知識組合，並保持在每個平台獨特且神秘的生產力指標配方之上，你就可以賺到不錯的錢。我採訪了一位劇作家，他每月收入 10,000 美元，一位多才多藝的化學家，他曾一度找到展示撲克和為 AI 唱歌的零工。但即使如此，也有一種無法逃避的短暫感，因為生產訓練數據意味著你正在為自己的過時而努力。雖然從事數據工作的人數可能會繼續增加，但任何特定的零工只會持續到機器成功模仿它為止。人類需要數年時間才能發展出專業知識，遲早，他們將耗盡可出售的技能。
一位擁有語言學碩士學位的工人，一年來一直從事穩定的評分標準工作，但在 2025 年底，他注意到要難倒模型變得越來越困難。他詢問任何晦澀的理論或原住民語言，模型都能找到正確的論文。他每週提交三到四個評分標準，現在能提交一個就謝天謝地了。專案中的其他人都遵循相同的軌跡，所以當它結束時，他並不驚訝。他們的知識已被提取。過去，他總能找到新的零工，但現在當他環顧四周時，只看到醫療專家、人力資源經理和教師的職位要求。他現在已經失業五個月了，不知道接下來該做什麼。
在某種程度上，關於 AI 自動化的政策應對措施的討論，主要集中在當 AI 使大量工人過時時該怎麼辦。也許這會發生，但另一種可能性是，特定的任務將被自動化，人類將被重新分配到生產過程的其他部分，一些人修改尚可的 AI 輸出，另一些人則製作評分標準來改進它。這些工作中的許多本質上是間歇性的，這意味著它們將由獨立承包商完成，而這些工人目前幾乎不受任何監管保護。麻省理工學院研究自動化的經濟學教授 Daron Acemoglu 將這種情況比作工業革命前的織工，他們是「勞工貴族」，是自營的工匠，掌握著自己的時間。然後出現了織布機，為了生存，他們被迫進入工廠從事新工作，在那裡他們工作更長的時間，賺取更少的錢，並受到管理層的嚴密監督。問題不僅僅是技術奪走了他們的工作；它促成了一種新的工作組織方式，將所有權力都交給了資本所有者，他們讓工作變成一場噩夢，直到勞工組織和監管設定了限制。
早期的勞工衝突已經發生，主要在加州，那裡有一些關於平台工人分類最嚴格的規定。在過去六個月裡，有三起針對 Mercor 的集體訴訟被提起。（類似的訴訟先前已針對 Surge AI 和 Scale AI 提起，後者正在和解。）這些訴訟都指控這些公司將工人錯誤地歸類為獨立承包商，因為他們對他們施加了「非凡的控制」。這是一種「全新的工作」，公司培訓人們去做，而且只能在公司平台上完成。工人對他們正在做的事情幾乎沒有了解，以至於根據十二月提起的一項訴訟，一名男子接受了 Mercor 的專案，卻被要求錄下自己朗讀露骨色情劇本。一旦他發現這一點，該工人就有可能因放棄專案而被停職，迫使他「在獲得報酬和遭受羞辱之間做出選擇」。
代理 Mercor 和其他幾家數據平台的律師事務所 Clarkson 的合夥人 Glenn Danas 表示，這些公司讓人想起十年前的 Uber 和 Lyft。然而，在某些方面，這些工人的處境更糟，儘管他們擁有高級學位，卻更容易被取代。Uber 司機必須親自在城市工作，他們可以在那裡組織並推動監管。如果數據工人發生同樣的情況，公司可以從人們願意以更低價格工作的地方招聘。當 Mercor 將其 Meta 專案的時薪降至 16 美元時，已低於加州和其他州的最低工資，但人們仍然在那裡工作，因為他們需要錢。至少有一位主管在 Slack 中承認了這一點，寫道：「雖然我們不會積極從最低工資高於專案費率的州招聘，但如果你已經活躍於該專案，並且想以每小時 16 美元的費率工作，我們希望能夠讓你做到。」
Acemoglu 說，整個行業都有可能面臨類似的「逐底競爭」，如果公司能夠讓工人互相競爭，在別人以更低的價格提供服務之前就出售他們自己的數據。「我們可能還需要類似工會的組織，行使某種集體所有權，並防止大型公司採取簡單的『分而治之』策略來壓低數據價格，」他說。「如果沒有這種數據經濟的法律基礎，許多生產數據的人將會獲得低於應得的報酬，或者用一個更具爭議的詞來說，被剝削。」
Katya 是被邀請加入時薪 16 美元的 Project Nova 的數千人之一，她對低薪感到震驚。「我認為這是 Mercor 在不損害他們獲得數據的情況下，測試他們能刮到多低的底線，」她說。她的主要專案已經暫停了數週，可能明天恢復，也可能永遠不會恢復。
最後，她決定這筆錢不值得。她申請在當地一家咖啡店工作。這不是她讀研究所時想像的職業轉型；她只是希望在咖啡店工作能更穩定。「至少你在咖啡店打最低工資，你有朋友可以聊天，有一個假裝關心你的老闆。你有一些安全感；你知道你每週的工時是多少，」她說。
但接著她聽到了手機的提示聲。她的其中一個專案又回來了。