被AI搶走工作，又去教AI做那份工作

律師、編劇、設計師正在湧入AI訓練數據產業。但這份「新工作」伴隨著秒級監控、隨時終止合約與持續下滑的薪資。這究竟是過渡期的緩衝，還是知識勞動的系統性瓦解？

一位前內容行銷寫手說出了這個時代最荒謬的處境：「ChatGPT搶走了我的工作，然後我去應徵了一份教ChatGPT做我那份工作的職缺。」

一條看不見盡頭的數據供應鏈

在美國，一個龐大但幾乎隱形的產業正在快速擴張。律師、編劇、平面設計師、語言學家、財務分析師——這些原本在各自領域深耕的專業人士，正被一股新的就業浪潮吸納進「AI訓練數據生產」這條產業鏈。

運作方式是這樣的：OpenAI、Anthropic等AI開發商發現自家模型在某個領域表現不足，便委託Mercor、Scale AI、Surge AI等數據公司招募相關領域的人類專家，讓他們生產「高品質訓練數據」。這些數據包括：撰寫理想的聊天機器人回應範本、制定評估標準（rubric）、設計能讓模型失敗的刁鑽問題（stumper），乃至組成虛擬公司團隊、製作數百份模擬商業文件。

Mercor由三位19歲的矽谷年輕人於2023年創立，如今估值已達100億美元，三位創辦人因此成為全球最年輕的白手起家億萬富翁。每週約有3萬名專業人士在其平台工作；競爭對手Scale AI則聲稱擁有超過70萬名碩士、博士及大學畢業生。OpenAI與Anthropic都是其客戶。

這是人類史上規模最大的一次專業知識收割行動——用業內人士的話說。

監控、降薪、然後消失

但這份「新工作」的內部樣貌，遠比招募廣告呈現的光鮮更為殘酷。

勞工被要求在電腦上安裝名為Insightful的監控軟體，工作時間精確到秒。幾分鐘沒有敲鍵盤，系統就會彈出詢問：「你還在工作嗎？」上廁所、泡咖啡、伸展背部——這些時間全部被標記為「非生產性時間」，可能從薪資中扣除。

更大的壓力來自工作本身的不穩定性。專案說停就停，往往毫無預警。一位單親媽媽兼編劇描述了這樣的日常：晚上七點孩子剛到家，Slack突然跳出通知「任務來了！」她必須立刻放下一切搶任務——因為幾百人同時在線，任務欄的進度條會在幾分鐘內歸零。慢一步，就什麼都沒有。

廣告合作

[email protected]

薪資也在系統性地下滑。一個為Meta標記Instagram Reels影片的專案，在毫無預警的情況下終止，隨後以「Nova」為名重啟，時薪從原本直接砍了24%至16美元——低於加州最低工資標準。數千名勞工湧入新的Slack頻道，卻發現互相私訊的功能已被關閉，客服頻道也消失了。「沒有人知道發生了什麼事，所有人都一頭霧水，」一位設計師說，「那個Slack頻道就是一片混亂，有人在問能不能餵飽家人。」

保密協議更讓勞工陷入結構性弱勢。他們不知道自己在為哪家AI公司服務，不能告訴同事工作細節，甚至無法在市場上證明自己的工作經歷。「只要他們無法證明自己做過什麼，這些評估員就無法要求與其貢獻相符的報酬，」一位在自動駕駛車熱潮時期就入行的業界資深人士說，「沉默是這些公司的定價權。」

這不只是「AI搶工作」的故事

把這件事簡化為「AI取代人力」，會錯失更深層的結構性問題。

MIT經濟學教授達隆·阿傑姆奧盧提出了一個歷史類比：工業革命前，織工是「勞動貴族」，自主掌控工時與技藝。機器出現後，他們被迫進入工廠，接受更長工時、更低薪資與嚴密管控。問題的核心不是技術奪走了工作，而是技術重新分配了權力——讓資本擁有者得以重組勞動關係，直到工會運動與立法介入才重新設定界限。

今天的AI訓練勞工，正在重演這個劇本。差別在於，這次被「工廠化」的是知識本身。

更弔詭的是，這份工作內建了自我消亡的機制。一旦模型從某個領域吸收了足夠的人類知識，該領域的訓練工作就會結束。一位語言學碩士在平台穩定工作了一年，直到他發現自己再也想不出能難倒模型的問題——模型已經學會了他所知道的一切。他現在失業了五個月。

亞洲視角：這場遊戲的規則對誰有利？

從亞洲的角度來看，這個現象有幾個值得深思的層面。

首先是地理套利的問題。當Mercor將某個專案的時薪降至16美元、低於加州最低工資時，仍有勞工繼續工作——因為他們需要錢。一位管理人員甚至在Slack上明確表示：「雖然我們不會主動從最低工資高於此標準的州招募，但如果你已在專案中且願意接受16美元時薪，我們支持你繼續。」這個邏輯延伸到全球，意味著台灣、東南亞、乃至中國大陸的高教育程度勞工，可能以更低的代價被納入這條供應鏈。

其次是中國大陸的對照。在中國，類似的數據標註產業早已存在多年，但主要集中在低技能標註工作（如圖像分類、語音標記），從業者多為農村轉移勞工。現在，這個模式正在向高知識門檻的專業領域延伸，並在全球範圍內展開。中國AI公司（如百度、阿里、字節跳動）是否也在以類似方式收割本土專業知識？其勞動條件與西方平台相比又如何？這些問題目前缺乏透明度。

第三，集體行動的困境在跨國數據勞工中尤為突出。Uber司機必須在特定城市出現，可以就地組織抗議、推動立法。數據勞工卻可以在任何地方工作，一旦某個地區的工人開始爭取權益，平台只需轉向招募另一個地區的人。MIT教授阿傑姆奧盧認為，可能需要建立類似工會的組織，讓勞工對自己生產的數據擁有某種集體所有權，才能防止企業以「各個擊破」策略壓低數據價格。

目前，美國已有三起針對Mercor的集體訴訟，指控其以「獨立承包商」之名規避勞動保護，實際上卻對工作方式施加「非常規程度的控制」。Scale AI與Surge AI也面臨類似訴訟。