Miért fizetnek azért, hogy emberek elvégezzék a saját házimunkájukat?

Csak egy kamerát tesznek a fejükre, és óránként 20 dollárt fizetnek nekik az otthoni mosogatásért, ruhák hajtogatásáért és a konyhák takarításáért. Nem tréfa, tényleg fizetnek. Hogy ez jó hír-e?

Forrás: Nano Banana Pro

Egy nő ül egy sarokasztalnál egy kávézóban Los Angeles belvárosában. Egy nagy fekete táskából az érkező embereknek átnyújt egy csomagot és egy utasítást. A nő nem díler, ő az Instawork alkalmazottja, és telefontartós fejpántokat osztogat. Az alkalmi munkavállaló a homlokára rögzíti házimunka végzése közben, és ezért óránként 20 dollárt kap.

Mire jó ez az egész?

Míg a mesterséges intelligencia az internet feldolgozásából tanul, a robotok nem tudják így elsajátítani a hétköznapi teendőket. Nekik figyelniük kell, hogyan mozog az emberi kéz. Miként fogunk meg egy szivacsot; hogyan fordul a csuklónk, amikor összehajtogatunk egy törölközőt. Ezért a robotokat betanító cégek valódi embereket fizetnek, hogy otthon, valós időben filmre vegyék, amit csinálnak.

Néhány barátom azzal vádol, hogy én tanítom be azokat, akik hamarosan elveszik az emberek munkáját

– mondja Salvador Arciga, a Los Angeles Timesnak nyilatkozó munkavállalók egyike. „Úgyis el kell végeznem a házimunkát. Most még pénzt is kapok érte.”

Los Angeles legújabb platformgazdasági – ahol appok és platformok közvetítik az alkalmi munkát – állása az otthoni munka elvégzése közben rögzített emberi mozgás eladása: az alkalmazottak kamerákat tesznek a fejükre, alkalmanként a kezükre, és otthon házimunkát végeznek, hogy a robotok figyelhessék, hogyan főzik a kávét, súrolják a vécét, öntözik a növényeket és mosogatnak.

Az adatcímkézés hatalmas iparág

A mesterségesintelligencia-modellek tanítása két nagy adatforrásból táplálkozik: az internetről leszívott szövegekből és képekből, valamint emberi munkából. Ez utóbbit hívják adatcímkézésnek vagy annotációnak – és körülötte az elmúlt évtizedben egy globális, több milliárd dolláros iparág nőtt ki, amelynek hajtóereje az olcsó emberi figyelem.

A két fogalom – szöveges/képes annotáció és fizikai MI-adatgyűjtés – rokon, de lényegesen különbözik. A hagyományos annotáció esetén az MI digitális tartalmakat dolgoz fel: szöveget ért, képeket azonosít, hangot ismer fel, döntéseket értékel.

Az annotátor jellemzően egy képernyő előtt ül, és megjelöli, hogy „ez a fénykép macskát ábrázol”, „ez a chatbotválasz jobb, mint a másik”, „ez a mondat sértő”, vagy „ez a fordítás helyes”. A munka elvégezhető bárhonnan, ahol van internet és egy böngésző. Éppen ezért tudott ez az iparág pillanatok alatt globálissá válni, és így került ki a munkások nagy része Kenyából, a Fülöp-szigetekről, Venezuelából és Indiából – ahol a bér csak töredéke az amerikainak vagy az európainak.

A fizikai MI ezzel szemben olyan rendszereket takar, amelyeknek a valódi, háromdimenziós térben kell eligazodniuk és cselekedniük: humanoid robotok, ipari karok, háztartási automaták. Ezek nem az internetből tanulnak, mert az internet nem tartalmaz kézmozdulatokat. Senki nem töltött fel még videót arról, hogy pontosan hogyan fordul a csukló, amikor egy nedves szivacsot kicsavarnak, vagy milyen szögből kell megközelíteni a mosogatóban lévő serpenyőt.

Az ilyen mozgásadatot csak úgy lehet megszerezni, ha valódi emberek valódi otthonokban valódi feladatokat végeznek – és mindezt rögzítik. Ezért kell a fejre szerelt kamera, a csuklóra kötött szenzor, a narráció. Nem az a cél, hogy az MI elolvasson valamit, hanem hogy megtanulja utánozni az emberi kéz mozgását.

Az iparág létrejötte

Az iparág egészét nézve a hagyományos annotáció a régebbi és nagyobb elterjedtségű. Az ausztrál Appen működése az 1990-es évekre nyúlik vissza, és mára több mint egymillió alvállalkozót foglalkoztat 170 országban, 265 nyelven. Az Amazon saját platformja, a Mechanical Turk 2005-től vált az „emberi számítástechnika” szimbólumává – töredékcentekért elvégzett mikrofeladatok millióival. A fordulópontot a Scale AI hozta 2016-ban: a San Franciscó-i startup felismerte, hogy az önvezető autókhoz szükséges képcímkézést ipari méretekben kell megszervezni. Leányvállalata, a Remotasks 90 országban 240 ezer vállalkozóval dolgozik. A Scale AI 2025-ben a Meta 14 milliárd dolláros befektetésével az iparág legértékesebb szereplőjévé vált, ügyfelei között az OpenAI, a Google, a Microsoft és az amerikai hadsereg is szerepel.

A globális munkaerőtérkép nagyjából négy jellegzetes helyszín köré szerveződik. Délkelet-Ázsiában különösen a Fülöp-szigetek emelkedik ki, erős angoltudással és alacsony bérekkel. Afrika, főleg Kenya és Nigéria, sokáig kiemelt célpont volt, ám a Remotasks 2024-ben mindkét országból kivonult. Latin-Amerikában Venezuela vált az egyik legnagyobb bázissá, miután a gazdasági válság munkakeresők tömegeit terelte a platformra – az indiai terjeszkedés után azonban a venezuelai bérek feladatonként egy cent alá estek. Dél-Ázsiában India az utóbbi években az egyik fő piac lett mind a Scale AI, mind az Appen számára.

Európa egyelőre nem jelenik meg hangsúlyosan a tömeges, alacsony fizetésű munkákban, de az Appen és a TELUS International foglalkoztat európai annotátorokat is, elsősorban nyelvi és kulturális specializációra – ritkábban feldolgozott európai nyelvek adatgyűjtésénél, vagy olyankor, amikor a kulturális kontextust csak helyi munkás tudja helyesen értelmezni.

A munkakörülmények az iparágban dokumentáltan rosszak

Egy kenyai annotátor szerint rendszeresen éjszaka kellett ellenőriznie a feladatsorát, mert a munkák figyelmeztetés nélkül, késő éjjel jelentek meg. A visszautasított felvételekért nem jár díjazás, és előfordult, hogy előzetes értesítés nélkül leállítják a kifizetéseket. 2025 januárjában több volt Scale AI-vállalkozó pszichológiai sérelmek miatt kártérítési pert indított, mivel rajtuk keresztül tanították az MI-modelleket veszélyes vagy káros felhasználói kérések felismerésére és kezelésére:

vagyis azt a biztonsági réteget építették, amely a kész modellben majd visszautasítja az ártalmas promptokat (utasításokat).

Ehhez azonban nekik maguknak kellett az ártalmas promptokat megírni, értékelni és órákon át szimulált párbeszédeket folytatni olyan témákban, mint öngyilkossági szándék, gyermekek elleni szexuális erőszak, állatokkal szemben elkövetett erőszak és más extrém tartalmak.

Az iparág ezzel párhuzamosan egyre inkább szakemberek felé fordul. Az egyszerű képcímkézés mellett orvosokat toboroznak egészségügyi MI-válaszok ellenőrzésére, jogászokat jogi adathalmazokhoz, mérnököket kódfelülvizsgálatra. Órabéreik jellemzően 20 és 74 dollár között mozognak – ez az a szegmens, ahol már az európai munkaerő is megjelenik.

A piac összértéke 2030-ra a Grand View Research becslése szerint elérheti a 17 milliárd dollárt.

Az alaphelyzet közben változatlan: az emberek pontosan azt az automatizáláshoz szükséges tudást adják el, amely egy napon az ő munkájukat is feleslegessé teheti. Arciga, az LA Times riportalanya ezt maga is kimondta: néhány barátja szerint ő maga járul hozzá ahhoz a folyamathoz, amely végül kiszoríthatja az embereket a munkaerőpiacról.