Πίσω από κάθε έξυπνο chatbot και εξελιγμένο πρόγραμμα δημιουργίας εικόνων, υπάρχει μια τεράστια, αόρατη ανθρώπινη εργασία. Χιλιάδες άνθρωποι σε όλο τον κόσμο επισημαίνουν εικόνες, κατηγοριοποιούν κείμενα, ελέγχουν περιεχόμενο και εκπαιδεύουν συστήματα τεχνητής νοημοσύνης (AI) για να κατανοήσουν τη γλώσσα και τον πολιτισμό μας. Αυτό το «εργατικό δυναμικό των σκιών» έχει εξελιχθεί σε έναν κρίσιμο παράγοντα της παγκόσμιας οικονομίας της AI.
Η Ινδία έχει αναδειχθεί σε έναν από τους βασικούς κόμβους αυτής της δραστηριότητας. Η μεγάλη αγγλόφωνη δεξαμενή εργαζομένων της και η μακρά ιστορία στην παροχή υπηρεσιών IT outsourcing, την καθιστούν ιδανική επιλογή για την επισήμανση δεδομένων, τη διαχείριση περιεχομένου και την υποστήριξη εκπαίδευσης AI. Ωστόσο, ένα μεγάλο μέρος αυτής της εργασίας είναι χαμηλά αμειβόμενη και συμβασιοτική, εγείροντας ανησυχίες αν η Ινδία κινδυνεύει να γίνει απλώς το «back office» για την επεξεργασία δεδομένων.
Αντίθετα, η Κίνα προχωρά σε συστηματική οργάνωση και επέκταση της επισήμανσης δεδομένων. Οι πολιτικοί σχεδιαστές ενθαρρύνουν τη δομημένη επισήμανση δεδομένων, που θα τροφοδοτήσει την εγχώρια ανάπτυξη AI. Αυτή η κρατικά υποστηριζόμενη προσέγγιση αντιμετωπίζει τα δεδομένα και την επισήμανσή τους όχι ως δευτερεύουσες εργασίες, αλλά ως στρατηγική υποδομή, βοηθώντας κινεζικές εταιρείες να χτίσουν συστήματα προσαρμοσμένα στις τοπικές βιομηχανίες και τις ανάγκες διακυβέρνησης.
Καθώς η AI ενσωματώνεται όλο και περισσότερο στην καθημερινή μας ζωή, βασίζεται σε ένα τεράστιο, κατά κύριο λόγο αόρατο εργατικό δυναμικό. Μέχρι το 2022, η βιομηχανία επισήμανσης δεδομένων της Ινδίας εκτιμάται ότι άξιζε 250 εκατομμύρια δολάρια ΗΠΑ, απασχολώντας 70.000 άτομα, με το 60% της δραστηριότητάς της να προέρχεται από αμερικανικές εταιρείες. Η πλειονότητα των εργαζομένων είναι «πρωτοετείς» επισημαντές, με το 80% από αυτούς να προέρχονται από αγροτικές περιοχές.
Σε πολλά από αυτά τα κέντρα, οι εργαζόμενοι είναι κυρίως γυναίκες. Σε ένα εργαστήριο, όλο το προσωπικό ήταν γυναίκες, πολλές εκ των οποίων ήταν πτυχιούχες πανεπιστημίου και πρώην νοικοκυρές. Εταιρείες όπως η iMerit και η Niki.ai έχουν ιδρύσει κέντρα στις πολιτείες Odisha, Chhattisgarh και Jharkhand, στοχεύοντας στην αξιοποίηση των κοινοτήτων Adivasi και άλλων περιθωριοποιημένων ομάδων.
Αυτό έχει οδηγήσει στην ενσωμάτωση γυναικών από περιθωριοποιημένες κοινότητες στην αλυσίδα αξίας της AI, στην «ανθρώπινη-σε-βρόχο» (human-in-the-loop) διαδικασία. Η επισήμανση δεδομένων συχνά προβάλλεται ως ευέλικτη εργασία της gig economy, αλλά αποτελεί και ένα ζωτικό δομικό στοιχείο των συστημάτων AI. Ωστόσο, πολλοί εργαζόμενοι δεν έχουν επίγνωση του πώς η εργασία τους συμβάλλει στο τελικό προϊόν.
Η επισήμανση δεδομένων αναδεικνύεται σε έναν ταχέως αναπτυσσόμενο τομέα της κινεζικής βιομηχανίας AI. Η αγορά αναμένεται να αυξηθεί δραματικά, από 4,33 δισεκατομμύρια γουάν (622,8 εκατομμύρια δολάρια ΗΠΑ) το 2021 σε περίπου 20,4 δισεκατομμύρια γουάν έως το 2029, λόγω της ολοένα και αυξανόμενης ζήτησης για δεδομένα εκπαίδευσης AI.
Κέντρα επισήμανσης έχουν αρχίσει να μετακινούνται σε εσωτερικές επαρχίες, όπως η Jiangxi και η Anhui, προσλαμβάνοντας ντόπιους κατοίκους, πολλοί εκ των οποίων εργάζονταν προηγουμένως σε τομείς όπως η ξενοδοχειακή βιομηχανία ή ως διανομείς. Για παράδειγμα, σε ένα πάρκο AI στην περιοχή Wuzhong, Ningxia Hui, περίπου 600 νέοι, κυρίως ηλικίας 16-30 ετών και με πανεπιστημιακή μόρφωση, φέρονται να εργάζονταν ως επισημαντές δεδομένων στα τέλη του 2024.
Η Κίνα εκπαιδεύει επίσης «εκπαιδευτές AI» που επισημαίνουν, αξιολογούν και βελτιστοποιούν περιεχόμενο που δημιουργείται από AI. Εταιρείες όπως η Baidu έχουν εκπαιδεύσει χιλιάδες επισημαντές δεδομένων. Παρόλα αυτά, η διαδικασία είναι επαναλαμβανόμενη και απαιτεί μεγάλη χειρωνακτική προσπάθεια, και κάποιοι επισημαίνουν ότι αυτές οι θέσεις εργασίας βρίσκονται στο χαμηλότερο άκρο της βιομηχανικής αλυσίδας και ενδέχεται να αυτοματοποιηθούν κι αυτές στο μέλλον.
Από το 2021, το Guiyang και η Guian New Area, στην επαρχία Guizhou, έχουν δημιουργήσει πάνω από 150.000 θέσεις εργασίας ετησίως. Περίπου 200 φοιτητές επεξεργασίας δεδομένων ανά τάξη σε ένα επαγγελματικό κολέγιο καταλήγουν να τοποθετούνται σε συνδεδεμένη εταιρεία.
Πολλοί φοιτητές ενδέχεται να έχουν χαμηλούς βαθμούς και το κολέγιο επιδοτείται σε μεγάλο βαθμό, προσφέροντας εξαιρετική οικονομική υποστήριξη. Έτσι, ορισμένοι φοιτητές είναι ευγνώμονες για την ευκαιρία να αναπτύξουν δεξιότητες και να βρουν απασχόληση. Ωστόσο, οι θέσεις εργασίας είναι εξαιρετικά επισφαλείς. Οι εργαζόμενοι ουσιαστικά μαθαίνουν να κάνουν μια δουλειά που θα μπορούσε να καταστεί πλεονάζουσα.
Το Amazon Mechanical Turk παρουσιάστηκε ως μια μορφή αυτοματοποίησης, αλλά απαιτούσε τη χρήση πολλών χαμηλά αμειβόμενων ανθρώπινων εργαζομένων για να εκτελέσουν την αόρατη ψηφιακή τους εργασία. Πολλοί από αυτούς τους «εργαζόμενους-φαντάσματα» προέρχονται από τον Παγκόσμιο Νότο και είναι αόρατοι στα κέντρα λήψης αποφάσεων. Πέρυσι, η Google απέλυσε πάνω από 200 εργαζομένους που ασχολούνταν με την εκπαίδευση συστημάτων όπως το Gemini, επειδή εξέφρασαν ανησυχίες σχετικά με τους χαμηλούς μισθούς και τις επισφαλείς συνθήκες εργασίας.
Στη Δύση, πολλοί εκφράζουν την ανάγκη για προσοχή σχετικά με την ταχεία πρόοδο της AI. Εν τω μεταξύ, στην Κίνα, ένα υψηλό ποσοστό ανθρώπων πιστεύει ότι τα οφέλη της AI υπερτερούν των κινδύνων. Ωστόσο, τον περασμένο Απρίλιο, ιατρικοί ερευνητές στο Πανεπιστήμιο Tsinghua αμφισβήτησαν εάν η AI υιοθετείται «πολύ γρήγορα, πολύ νωρίς».
Η προσέγγιση της Ινδίας επικεντρώνεται στην ανάπτυξη δεξιοτήτων και την ενσωμάτωση εργαζομένων στην οικονομία της AI, ενώ υποβαθμίζει τις απώλειες θέσεων εργασίας. Η κυβέρνηση υποστηρίζει ότι η AI θα συμπληρώσει την ανθρώπινη εργασία, με την εκπαίδευση να επιτρέπει στους ανθρώπους να μεταβούν σε ρόλους σχετικούς με την AI.
Η Κίνα θεωρεί την επισήμανση δεδομένων και άλλες εργασίες «ανθρώπου-σε-βρόχο» ζωτικής σημασίας για τις φιλοδοξίες της στην AI και υποστηρίζει τον τομέα με πολιτική και εκπαιδευτική υποστήριξη. Ωστόσο, παραμένουν ανησυχίες σχετικά με την ποιότητα της εργασίας, την αμοιβή και τη μακροπρόθεσμη σταθερότητα, ιδιαίτερα όταν οι χαμηλά αμειβόμενοι εκπαιδευόμενοι αποτελούν μεγάλο μέρος του εργατικού δυναμικού. Αυτά τα μοντέλα δείχνουν ότι το μέλλον της ισχύος της AI μπορεί να μην εξαρτάται μόνο από τα τσιπ και τους αλγορίθμους, αλλά από το ποιος οργανώνει, ελέγχει και επωφελείται από την ανθρώπινη εργασία που εκπαιδεύει τις μηχανές.
