Революция в системах искусственного интеллекта продолжает идти семимильными шагами: использование генеративного ИИ, такого, как нашумевшие модели GPT, становится нормой для решения задач в бизнесе и других сферах. «Сливки» с рынка снимают высокооплачиваемые топ-менеджеры и ведущие исследователи, но миллионы чернорабочих новой эпохи трудятся за копейки — часто ночью и без всяких карьерных перспектив. Об обратной стороне индустрии ИИ рассказывает Bloomberg.
Дешевая рабочая сила
По оценкам Всемирного банка, рутинную работу по обучению алгоритмов ИИ выполняют от 150 млн до 430 млн человек. В их задачи входят аннотирование текста, аудио и изображений, маркировка объектов на фото, написание эссе, сочинение вымышленных историй и даже хайку. Но в экономическом плане все эти люди переживают «застой», пишет Bloomberg.
«Я ни разу не встретила сотрудника, который бы сказал: "«Эта работа позволила мне купить дом или оплатить обучение детей в университете"», — поясняет Милагрос Мичели, исследователь из Института распределенного искусственного интеллекта (DAIR), которая поработала с огромным количеством специалистов по обработке данных по всему миру.
В 2019 году ей довелось пообщаться с дюжиной работников компании Arbusta S.R.L. из бедных районов Аргентины, зарабатывающих около $1,7 в час. Когда она вернулась к ним в 2021 году, оказалось, что ни один из них не сменил работу, а зарплата осталась почти на том же уровне — ниже черты бедности.
Редактор по ИИ в Financial Times Мадхумита Мурджиа недавно выпустила книгу под названием Code Dependent («Зависимые от кода»), в основу которой легли истории людей из развивающихся стран. Они рассказали, что часто вынуждены совмещать две работы или соглашаться на ночные смены, но и это не гарантирует избавления от финансовых трудностей.
Например, бывшая сотрудница Samasource Impact Sourcing из Найроби (столица Кении), по собственным словам, не смогла содержать ни себя, ни свою дочь на зарплату в компании и была вынуждена переехать к родителям. Еще одна сотрудница Humans in the Loop из Болгарии не могла оплачивать аренду жилья после того, как ее отстранили от работы из-за жалобы на ночные смены.
«Это как быть рабочим фабрики на Филиппинах, который не знает, что платье, которое он шьет, будет стоить $3000», — проводит параллели Мурджиа. Движение вверх по карьерной и социальной лестницам, так называемая вертикальная мобильность, для обработчиков данных из развивающегося мира напрочь отсутствует, подытоживает эксперт.
Прожиточный минимум
Руководители фирм по разметке данных поначалу искренне стремятся помочь людям выбраться из бедности, предоставив им работу, но им становится сложнее убедить корпоративных клиентов платить более высокие тарифы, поскольку конкуренция серьезно возросла. В итоге большинство платформ даже не преследует цели обеспечить зарплату не ниже минимального размера оплаты труда — это не предусмотрено их политикой, говорится в отчете Оксфордского института Интернета от 2021 года.
Например, в вакансии для «профессиональных переводчиков» за помощь в обучении генеративных моделей ИИ в Нигерии предлагается до $17 в час. Это значительно ниже средней ставки нигерийских переводчиков, которая начинается с $25 в час, свидетельствуют отзывы на платформе Good Firms. Вакансию разместил стартап по анализу данных из Сан-Франциско Scale AI, который в конце мая привлек $1 млрд от Amazon и других инвесторов. В Scale AI не ответили на запрос Bloomberg о комментарии.
Мичели и Мурджиа считают, что все перечисленные в их примерах компании играют ключевую роль для ИИ-сервисов, но уже давно привыкли платить людям ровно столько, чтобы им хватало на жизнь. Этот тренд может сохраниться, даже несмотря на то, что обработка данных усложняется. Scale AI и другие платформы заняты поиском квалифицированных кадров, в том числе художников и выпускников программ по творческому письму, чтобы тренировать ИИ-алгоритмы короткими историями. Хотя им предлагают относительно более высокую зарплату, она все еще ниже той, которую должны получать обладатели высшего образования.
Исследователи указывают, что само по себе обучение ИИ обходится ужасно дорого из-за стоимости чипов и облачных вычислений. Венчурный фонд Sequoia Capital подсчитал, что участники рынка ИИ потратили $50 млрд на чипы Nvidia для обучения ИИ в 2023 году, но выручили только около $3 млрд.
Это означает, что возможности для людей, которые служат главным двигателем революции в сфере ИИ, уменьшаются, а настоящий преобразующий эффект технологии заключается в укреплении экономической мощи отдельных компаний, заключает Bloomberg.
Что дальше?
Возможно, в сложившейся ситуации не лишним будет вспомнить опыт Nike. В 1990-х годах спортивный бренд столкнулся с публичными обвинениями в эксплуатации дешевой рабочей силы в развивающихся странах. Бойкоты со стороны потребителей и давление СМИ вынудили компанию изменить ее трудовую политику. Миллионы долларов ушли на то, чтобы улучшить рабочие условия и повысить зарплаты.
В случае со специалистами по обработке данных привлечь внимание сложнее, поскольку их тяжелый труд менее очевиден для общества, чем тяжелый труд мальчика, шьющего теннисные кроссовки в плохо освещенном помещении. Но технологические компании должны помнить, что плохие условия труда в низших звеньях ведут к снижению качества функционирования ИИ.