I giganti dell'IA scambiano manodopera economica con esperti per addestrare modelli più intelligenti

Le principali aziende di IA stanno eliminando i lavoratori economici di etichettatura dei dati in Africa e Asia a favore di professionisti qualificati e meglio pagati per aiutare ad addestrare modelli più intelligenti.

In passato, i lavoratori di etichettatura dei dati ricevevano principalmente semplici compiti di annotazione. Tuttavia, le aziende di IA hanno realizzato che migliorare i loro modelli richiede volumi di dati ancora maggiori. Di conseguenza, ci si aspetta che i lavoratori lavorino ancora più velocemente e completino centinaia di compiti ogni giorno, da cui il loro spostamento verso esperti del settore.

Scale AI, Turing e Toloka stanno assumendo più esperti

Sviluppando sistemi di IA "ragionevoli", inclusi l'o di OpenAI 3 e Gemini 2.5 di Google, ha accelerato lo spostamento dai lavoratori a basso salario in paesi come il Kenya e le Filippine verso individui più qualificati.

Aziende come Scale AI, Turing e Toloka stanno già impiegando specialisti di spicco in campi come biologia e finanza per supportare i team di IA nella generazione di dataset di addestramento più raffinati e complessi.

Olga Megorskaya, CEO e co-fondatrice di Toloka, ha persino commentato: "L'industria dell'IA per molto tempo si è concentrata pesantemente sui modelli e sul calcolo, e i dati sono sempre stati una parte trascurata dell'IA. Finalmente, [l'industria] sta accettando l'importanza dei dati per l'addestramento." 

Scale AI, Turing AI e Toloka hanno tutti visto un aumento dell'interesse degli investitori dalla loro recente svolta strategica. L'investimento di Meta di 15 miliardi di dollari in Scale AI a giugno ha aumentato la sua valutazione a 29 miliardi di dollari. A marzo, Turing AI ha ottenuto 111 milioni di dollari a una valutazione di 2,2 miliardi di dollari, e a maggio, Bezos Expeditions ha guidato un investimento di 72 milioni di dollari in Toloka.

Turing paga i suoi esperti circa 20% in più rispetto al loro stipendio attuale

Joan Kinyua, capo dell'Associazione dei Lavoratori di Etichettatura dei Dati in Kenya, ha spiegato che agli etichettatori viene ora chiesto di eseguire compiti che dipendono dalla loro comprensione delle lingue locali e delle sfumature culturali.

L'organizzazione ha anche visto un aumento dei ruoli di assicurazione della qualità in cui gli umani revisionano i contenuti generati dall'IA. Mentre OpenAI, Anthropic, e Google lavorano alla creazione di modelli che potrebbero superare l'intelligenza umana, la priorità si sta spostando verso l'accuratezza dei dati e l'analisi esperta.

Jonathan Siddharth, co-fondatore e amministratore delegato dell'azienda di etichettatura dei dati Turing AI, ha anche affermato che per migliorare i modelli di IA, è necessario utilizzare dati di addestramento dall'uso umano reale, specialmente in compiti complessi, e capire come i modelli si rompono in quegli scenari.

Ha persino notato che un sistema di IA completamente avanzato potrebbe sovraperformare non solo i fisici, ma diventare anche più intelligente di tutti i migliori esperti in tutti i campi necessari per costruirlo.

Ha aggiunto che Turing compensa gli esperti con stipendi dal 20% al 30% superiori ai loro guadagni attuali. Mentre le aziende di IA dedicano solo circa il 10-15% dei loro budget ai dati, rispetto alle enormi somme versate nelle risorse computazionali, ciò si traduce comunque in un significativo investimento finanziario.

Megorskaya di Toloka ha anche sostenuto che funzionalità come la catena di pensiero, che illustrano come i modelli di IA risolvono i problemi passo dopo passo, sono sviluppate attraverso dimostrazioni di esperti umani che scompongono i problemi in componenti più piccoli.