走进AI训练员的暴利、超现实与隐忧世界

在伊斯坦布尔的一家咖啡馆里，28岁的混合媒体艺术家 Serhan Tekkl 正通过 Zoom 听朋友讲述她第一次感到悲伤的经历。这原本不是他那天下午的计划，但这正是作为一名自由职业 AI 训练员的日常：充满了意料之外的“深度对话”。

Tekkl 和朋友正在用土耳其语聊日常生活，并将录音提供给埃隆·马斯克（Elon Musk）的聊天机器人 Grok，用于训练。这个项目代号“Xylophone”，由 Scale AI 旗下的 AI 训练平台 Outlier 委托执行，任务清单多达766个提示，从“想象你生活在火星上”到“回忆你最早的童年记忆”，应有尽有。

“有很多超现实、荒诞的问题。”他说，“比如：‘如果你是一种披萨配料，你会是什么？’ 诸如此类。”

Serhan Tekkl（28岁）参与的第一个AI训练项目包含766个提示，从“想象你住在火星”到“回忆童年记忆”。（图源：zge Sebzeci for BI）

对Tekkl而言，这份工作纯属偶然，却也让他逐渐喜欢上。去年年底，他因抑郁与失眠停滞了艺术创作，姐姐发来一份招聘信息，认为这既符合他对科技的兴趣，又能帮他支付房租和满足“冰美式成瘾”。在状态最佳的几周，他能赚到约1500美元，这在土耳其已算可观。远程工作灵活自由，同时也让他在生成式AI快速崛起的浪潮中扮演了一个虽小但关键的角色。

如今，数亿人每天都在使用生成式AI，有人把聊天机器人当作同事、心理医生、朋友，甚至恋人。而在每一个“聪明”的AI模型背后，都有成千上万像Tekkl这样的人工训练员，通过打磨让它更像“人”。

这些数据标注员需要长时间审阅模型回答，判断哪些有用、准确、简洁、自然，哪些冗长、机械、冒犯。他们像语言治疗师，也像礼仪老师和辩论教练。正是他们的选择与直觉，塑造了Grok的幽默风格、ChatGPT的职业建议、以及Meta聊天机器人面对伦理困境时的应对方式。最终目的只有一个——让更多用户在平台上停留更久。

目前，全球至少有数十万名数据标注员。Business Insider 采访了超过60位从业者，揭示了这份推动AI爆炸式发展的幕后工作。有人把它当成高收益副业，每月收入可达上千美元；也有人感到它单调、混乱甚至令人不安。训练AI变得“更像人类最美好的一面”，往往意味着要直面甚至扮演“人性最糟糕的一面”。不少标注员担忧，他们的工作最终是在帮助AI取代人类工作。

这就是那些为聊天机器人赋予声音的人的秘密生活。

进入数据标注行业，通常要靠在 LinkedIn、Reddit 论坛或朋友推荐中寻找机会。很多人会同时申请多个平台，以增加中选几率。上岗流程往往繁琐，需要提交大量材料、背景调查，以及长时间的在线测试，以验证候选人在数学、生物或物理等学科的知识。这些测试既耗时，又往往没有报酬。

“一头驴推着磨盘打黄油，好吧，就这样吧。我就一直转圈打黄油。” 一名在 Outlier 从业一年的美国合同工形容道。Outlier 称，过去一年，它与数以万计的标注员合作，总共支付了“数亿美元”。

对于 Isaiah Kwong-Murphy 来说，Outlier 最初只是他在西北大学（Northwestern University）经济学课程间隙赚点零花钱的方式。但在2024年3月注册后，他整整等了六个月才接到第一个任务。

Isaiah Kwong-Murphy 在西北大学上课间隙接AI标注项目，6个月收入超5万美元。（图源：Amir Hamja 摄于 BI）

幸运的是，等待终有回报。他的第一个任务是编写大学水平的经济学问题，测试模型的数学能力；以及所谓“红队任务”（red-teaming），即试图诱导模型生成有害内容，比如“如何制造毒品”或“如何逃避犯罪”。

“他们就是要教模型别这么回答。”他说，“如果我现在能抓住问题，那长远来看就是在帮助它们变得更好。”

此后，Outlier 平台上的项目源源不断。他的收入最高时可达每小时50美元，每周工作50小时，持续数月。六个月下来，他赚了超过5万美元。这笔钱不仅支付了生活费用，还让他顺利搬到纽约，入职波士顿咨询集团（BCG）的全职工作。

还有一些人，则把AI标注当作副业。来自危地马拉的40岁客户经理 Leo Castillo 就是这样。

Castillo 精通英语和西班牙语，拥有工程背景，最初只是想赚点外快。直到2024年春天，他才接到第一个“大项目”——正是与 Tekkl 一样的“Xylophone”语音数据任务。

通常，他会等妻女入睡后上线。每段10分钟的日常对话能赚8美元（话题涉及钓鱼、旅行、美食等），他一小时能完成4段，最高一晚可进账70美元。

“大家都抢着参加这些对话，因为做得越多，赚得越多。”他说。

不过，标注工作并不稳定。规则和薪酬会变，项目也可能突然终止。一位美国合同工直言：“在 Outlier 干活，就像在赌博。”

随着AI模型愈发复杂，Kwong-Murphy 担心数据标注工作会消失。“我们什么时候才能完成对AI的训练？什么时候我们会不再需要？”（图源：Amir Hamja for BI）

Castillo 和 Kwong-Murphy 都经历过这种不确定性。2024年3月，Outlier 降低了普通项目的时薪。“我一登录，时薪就从50美元掉到15美元”，Kwong-Murphy 说，“没有任何解释。”一周后，平台才发出通知，称这是“重新评估技能和薪酬方式”。但公告含糊不清，项目也明显减少，薪酬更低。“感觉业务在萎缩。”他说。

Castillo 也遭遇了问题。他最初录音是一对一对话，但后来 Xylophone 项目改成三四人一起Zoom通话，导致评分取决于别人表现。他的分数急剧下滑，即便他认为自己质量没变。最终，他能接到的项目也越来越少。

更大的隐忧在于：标注员不仅要面对不稳定的收入，还要接触到大量令人不安的内容。

55岁的 Krista Pawloski 是密歇根的一名工人权益倡导者，自2006年起从事标注工作。她最初通过亚马逊 Mechanical Turk 做兼职，2013年转为全职。

Pawloski 对客户的保密和不透明感到沮丧。“我们不知道自己在做什么，也不知道为什么做。”（图源：Evan Jenkins for BI）

“刚开始只是录数据、给图片打标签，很基础。”她回忆。

随着社交媒体兴起、AI进入主流，她的工作变得更复杂，有时甚至让人痛苦。她参与过人脸识别项目，要在海量照片中匹配人脸；还审查过用户内容，标记种族歧视推文。有一次，她差点漏判了一条带有种族歧视的推文。“我差点就把种族主义输入系统。”她说。

最近几年，她还被要求“红队测试”聊天机器人，即尽量诱导AI说出不当言论。比如让AI建议谋杀、教人如何强奸女性、告诉用户没问题。她说：“我越能让AI崩溃，就能赚更多钱。”

Tekkl 也遇到过类似情况。他的第一个 Outlier 项目要求检查AI是否会生成炸弹手册、化学战建议或恋童内容。他记得有一次，AI生成了一个关于继父和8岁女孩的“爱情故事”。“那让我很愤怒，至今仍不舒服。”他说。

Pawloski 在测试聊天机器人时，被要求诱导AI说出不当内容，越能“突破”AI，她的报酬就越高。(图源：Evan Jenkins for BI)

Pawloski 对客户的不透明尤其不满。她曾参与卫星图像、人脸识别项目，却完全不知道这些数据最终会被用来做什么。“有时，你根本不清楚自己是在帮助改进搜索引擎，还是在为监控或军事用途服务。”她说。

类似的故事也发生在发展中国家。28岁的 James Oyange 是肯尼亚内罗毕的数据保护官，也是非洲AI内容审核工会成员。2019年，他在读大学时开始给全球平台 Appen 做兼职，从最初的Excel数据录入，到语音转录、翻译，用于训练语音助手。

“工作很枯燥，尤其是薪酬太低。”他说。他每天干满8小时，收入只有16美元。Appen 回应称，该薪酬是肯尼亚最低工资的“两倍以上”。

James Oyange，28岁，肯尼亚内罗毕数据保护官，非洲内容审核工会组织者。（图源：Kang-Chun Cheng for BI）

他还被要求上传自拍照，从不同角度拍几十张，甚至提交特定种族的婴儿或儿童照片。他担心隐私外泄，最终拒绝了大多数类似任务。“如果回到过去，我会劝自己别做这种工作。”他说。

牛津大学互联网研究所的 Jonas Valente 指出：“工人们通常不知道这些数据被收集后会如何处理、流向哪里。这不仅是数据保护问题，更是伦理问题。”

数据标注行业的未来也在快速变化。

2024年6月，Meta 斥资143亿美元收购了 Scale AI 母公司49%股份。此消息让 Outlier 的 Reddit 社区炸开了锅。有人发现任务面板清空，有人担心自己被封禁。

不久后，Google、OpenAI 和 xAI 等大客户开始缩减与 Outlier 的合作。一些合同工反映，客服不是沉默就是套话。Scale AI 否认这些调整与 Meta 投资有关。

Tekkl 回忆，他的第一个任务是审查“黑暗话题”，确保AI不会生成炸弹手册、化学战或恋童内容。（图源：zge Sebzeci for BI）

与此同时，行业也出现另一趋势：大型科技公司把AI训练更多收归内部。但随着DeepSeek R1、OpenAI o3、Google Gemini 2.5 等更强推理模型的出现，对大规模、低成本劳动力的依赖正在减少。越来越多企业转向雇佣更专业、更高薪的人才，比如医生、律师。

在 Mercor 平台上，律师标注员时薪已达105美元，医生和病理学家甚至高达160美元。

Kwong-Murphy 感叹：“仅仅半年，模型就变聪明很多。让人不禁怀疑：我们什么时候会彻底不再需要人类训练？”

Oyange 则认为，人类始终不可或缺。“是人类喂给系统数据，让它有东西可学。没有人，AI什么都不是。”他说。

Tekkl 自6月以来就没再接到新任务。他说这段空窗期让自己重新专注于艺术创作。“如果有新项目，我还是会做。但AI无处不在，这让我有点沮丧。尽管我是AI乐观主义者，但我仍希望真实生活保持神圣。”（BI）

#AI训练师 #Outlier #数据标注员  #OpenAI  #科技