ИИ-гиганты заменяют дешевую рабочую силу экспертами для обучения более умных моделей

Крупные ИИ-компании отказываются от дешевых работников по разметке данных в Африке и Азии в пользу квалифицированных, более высокооплачиваемых специалистов для помощи в обучении более умных моделей.

Раньше работникам по разметке данных поручали в основном простые задачи аннотирования. Однакокомпании по искусственному интеллекту пришли к выводу, что для улучшения своих моделей требуются даже большие объемы данных. В результате от работников ожидается еще более высокая скорость работы и выполнение сотен задач каждый день, что привело к их сдвигу в сторону экспертов отрасли.

Scale AI, Turing и Toloka нанимают больше экспертов

Разработка «рассуждающих» ИИ-систем, включая o3 от OpenAI и Gemini 2.5 от Google, ускорила переход от работников с низкой зарплатой в таких странах, как Кения и Филиппины, к более квалифицированным специалистам.

Компании, такие как Scale AI, Turing и Toloka, уже привлекают ведущих специалистов в таких областях, как биология и финансы, чтобы поддержать ИИ-команды в создании более отточенных и сложных обучающих наборов данных.

Ольга Мегорская, генеральный директор и соучредитель Toloka, даже прокомментировала: «ИИ-индустрия долгое время была сильно сосредоточена на моделях и вычислительных мощностях, а данные всегда были упускаемой из виду частью ИИ. Наконец, [индустрия] признает важность данных для обучения». 

Scale AI, Turing AI и Toloka все видели повышенный интерес инвесторов с момента их недавнего изменения стратегии. Инвестиции Meta в размере $15 млрд в Scale AI в июне повысили оценку компании до $29 млрд. В марте Turing AI привлек $111 млн при оценке $2,2 млрд, а в мае Bezos Expeditions возглавил инвестиции в размере $72 млн в Toloka.

Turing платит своим экспертам примерно на 20% больше, чем их текущая зарплата

Джоан Киньюа, глава Ассоциации разметчиков данных в Кении, объяснила, что от разметчиков теперь требуется выполнять задачи, зависящие от их понимания местных языков и культурных нюансов.

Организация также увидела увеличение числа ролей по обеспечению качества, где люди проверяют контент, сгенерированный ИИ. Поскольку OpenAI, Anthropic, и Google работают над созданием моделей, которые могут превзойти человеческий интеллект, приоритет смещается в сторону точности данных и экспертного анализа.

Джонатан Сиддарт, соучредитель и генеральный директор компании по разметке данных Turing AI, также утверждал, что для улучшения ИИ-моделей необходимо использовать обучающие данные из реального использования людьми, особенно в сложных задачах, и понимать, как модели дают сбой в этих сценариях.

Он даже отметил, что полностью продвинутая ИИ-система может превзойти не только физиков, но и стать более умной, чем все ведущие эксперты во всех областях, необходимых для ее создания.

Он добавил, что Turing компенсирует экспертам зарплаты на 20–30% выше их текущих доходов. Хотя ИИ-компании выделяют только около 10–15% своих бюджетов на данные, по сравнению с огромными суммами, вливаемыми в вычислительные ресурсы, это все равно переводится в значительные финансовые инвестиции.

Мегорская из Toloka также утверждала, что такие функции, как цепочка рассуждений (chain-of-thought), которые иллюстрируют, как ИИ-модели решают проблемы шаг за шагом, разрабатываются через демонстрации человеческих экспертов, которые разбивают проблемы на более мелкие компоненты.