Những người dạy AI thay thế bản thân
13/07/26
 |
| Văn phòng của Mercor tại San Francisco. Công ty cho biết họ trả hơn 4 triệu USD/ngày cho các nhà thầu. Ảnh: Carolyn Fong |
Mỗi ngày, Mercor – startup bán dữ liệu huấn luyện cho các công ty trí tuệ nhân tạo, trả hơn 4 triệu USD cho khoảng 30.000 cộng tác viên để giúp các mô hình AI học cách làm chính công việc của họ, và có thể cả của đồng nghiệp. Đây là lao động tự do theo nhiệm vụ (gig work), nhưng không còngắn nhãn ảnh đơn giản với lao động giá rẻ ở nước ngoài. AI giờ cần dữ liệu cao cấp: nhà toán học chú giải chứng minh, luật sư đánh dấu bản biện hộ, giáo sư chấm bài luận, bác sĩ miêu tả thực hành y khoa.
Tin tuyển dụng gần đây của Mercor trả 225 USD/giờ cho diễn viên lồng tiếng nói tiếng Hebrew lưu loát trong vai nhân viên chăm sóc khách hàng. Tin khác tìm tiến sĩ vật lý chuyên về thuyết tương đối rộng, vật lý thiên văn hoặc vũ trụ học. Một tin khác cần bác sĩ có hơn ba năm kinh nghiệm trong hệ thống chăm sóc ban đầu của Rwanda. Gắn nhãn dữ liệu cao cấp trong chuỗi giá trị, biến Mercor và các đối thủ thành một trong những nhóm startup tăng trưởng nhanh nhất Thung lũng Silicon.
Cơn sốt dữ liệu chuyên gia
Năm 2023, Mercor được thành lập và công bố vòng gọi vốn tháng 10 với định giá 10 tỷ USD. Theo Bloomberg, Mercor hiện đàm phán với nhà đầu tư ở mức gấp đôi. Năm ngoái, Meta đầu tư hơn 14 tỷ USD vào Scale AI – startup huấn luyện dữ liệu khác, một phần để tuyển CEO của công ty này. Handshake – startup tuyển dụng và chỉ chuyển sang huấn luyện dữ liệu trong năm 2025, cho biết tốc độ doanh thu thường niên đã vượt 1 tỷ USD vào tháng 4, tăng hơn 550 triệu USD từ đầu năm.
Cơ hội rất rõ, các phòng thí nghiệm AI như OpenAI, Anthropic và những đối thủ khác có nguồn vốn khổng lồ, trong khi nhu cầu dữ liệu chuyên gia gần như không giới hạn. Nhưng đây cũng là thế cân bằng mong manh. Các startup huấn luyện cần ChatGPT, Claude và các mô hình khác tiếp tục cải thiện nhằm chứng minh dữ liệu họ cung cấp có giá trị; đồng thời, các mô hình cũng phải còn đủ khiếm khuyết để khách hàng tiếp tục mua thêm dữ liệu.
Một khi OpenAI hay Anthropic thành công dạy mô hình làm công việc nhất định, nhu cầu dữ liệu trong lĩnh vực đó có thể giảm mạnh. Vì vậy, chính các startup này giống những lao động tự do được họ thuê: kiếm tiền tốt hôm nay, nhưng có thể bị loại bỏ ngày mai.
Từ cá nhân đến công ty
Nhằm giảm phụ thuộc vào vài khách hàng lớn, các startup đang tiến vào lĩnh vực khó hơn: ghi lại kỹ năng cá nhân và mô phỏng đầu ra của cả doanh nghiệp. Brendan Foody – CEO 23 tuổi của Mercor, gọi đây là “nút thắt giúp phòng thí nghiệm tuyến đầu tự động hóa mọi thứ con người làm”.
Mercor vừa mua Deeptune – công ty tạo “môi trường huấn luyện” mô phỏng các phần mềm như Slack và Salesforce được nhân viên văn phòng dùng hằng ngày. Ý tưởng là dựng lại bản sao, chẳng hạn như ngân hàng đầu tư, để AI quan sát các tương tác. Một người đóng vai khách hàng, những người khác đóng vai nhân viên ngân hàng, tái hiện quy trình sát nhất có thể. Khi đó, AI có thể trả lời câu hỏi: “Người ta làm gì ở Goldman Sachs?”
Handshake cũng đi theo hướng tương tự. Công ty xây “banker benchmark” – dạng bài kiểm tra chuẩn hóa để xem mô hình AI có làm được việc của nhân viên tài chính hay không. Tình huống mô phỏng yêu cầu AI vào vai chuyên viên ngân hàng đầu tư cấp thấp, nhận nhiệm vụ từ giám đốc điều hành để chuẩn bị báo cáo khách hàng. Bài kiểm tra có “đáp án lý tưởng” và khoảng 90 tiêu chí có trọng số để đánh giá. Mục tiêu không chỉ là xem AI trả lời đúng hay sai, mà còn xem nó có đưa ra các quyết định đúng trên đường đi hay không.
Lao động tinh hoa trong guồng gig work
Vì sao người ta tham gia quá trình có thể ăn mòn chính nghề nghiệp của bản thân? Lý do đầu tiên là tiền. Công việc không hào nhoáng, thiếu ổn định và đôi khi chỉ được trả nếu quản lý phê duyệt sản phẩm, nhưng vẫn hấp dẫn trong những lĩnh vực dần suy yếu như học thuật. Một số người bị sa thải, thiếu việc, muốn thêm chữ “AI” vào hồ sơ, cần tiền khi nghỉ hưu, hoặc thật sự tin vào tiềm năng AI.
Amanda Brown – trợ lý giáo sư sinh học tại Tarleton State University ở Texas, từng nhận việc bán thời gian trên Mercor và Handshake vì một số nhiệm vụ trả 60 USD/giờ. Nhưng trải nghiệm nhanh chóng xấu đi: họp trực tuyến bắt buộc, làm tới 2 giờ sáng để kịp hạn, nhiệm vụ trả trọn gói nhưng tốn thời gian hơn dự kiến, phản hồi mơ hồ về việc chất lượng chưa đạt. Bà làm gián đoạn đến tháng 12 rồi quay lại dạy học. bà nói: “Trông như tiền dễ kiếm nhưng thật ra không phải.”
Trong vài tháng gần đây, trên Discord và Reddit, nhiều cộng tác viên phàn nàn việc huấn luyện AI khô cạn. Nhiều người nói công việc ngày càng phức tạp. Sommer Wall – luật sư từng làm cho Mercor, cho biết đôi khi phải ngủ chợp mắt trên ghế trong những đợt chạy dự án 72 giờ.
Trường học cho AGI hay thị trường mong manh?
Các vụ kiện cũng gia tăng. Một số cộng tác viên cáo buộc Handshake, Scale, Surge AI và các startup khác phân loại sai lao động, trả thiếu hoặc bóc lột họ. Mùa xuân này, sau một vụ rò rỉ dữ liệu, Mercor đối mặt ít nhất bảy vụ kiện từ cộng tác viên cáo buộc thông tin cá nhân bị lộ.
Dù vậy, nếu dự báo mất việc vì AI thành hiện thực, nhiều lao động có học vấn cao có thể bị đẩy vào loại gig work này. Gallup cho biết chỉ 1/5 lao động có bằng đại học nhận xét hiện là thời điểm tốt để tìm việc chất lượng. Mercor tìm người có bằng M.A., J.D., M.D., Ph.D. từ các đại học hàng đầu. Handshake gọi công việc gắn nhãn AI là “fellowship”. xAI của Elon Musk từng tuyển nhà văn bán 50.000 bản tiểu thuyết hoặc đăng 10 truyện ngắn trên tạp chí tinh hoa, với mức khởi điểm 40 USD/giờ. Surge tìm người có nền tảng tư vấn hàng đầu để “nắm bắt tư duy cấp đối tác”.
Các lãnh đạo trong ngành cho biết nhu cầu huấn luyện sẽ kéo dài. Edwin Chen – nhà sáng lập Surge, gọi công ty mình là “trường học cho AGI”, nơi AI học cách vận hành thế giới. Nhưng nhiều người hoài nghi. Anton Korinek – nhà kinh tế Đại học Virginia đang tậm nghỉ để làm việc tại Anthropic, nhận định khi AI tốt hơn, nhu cầu giáo viên con người sẽ giảm. Margaret O’Mara – sử gia về Thung lũng Silicon Valley tại Đại học Washington, cảnh báo cỗ máy đang che khuất phần việc con người làm phía sau. Dòng chuyển giao tri thức lớn từ người sang máy diễn ra đúng lúc chuyên môn con người bị AI làm suy yếu.
Ngành này có thể không tái tạo toàn bộ xã hội như lời các công ty mô tả. Nhưng hiện tại, xuất hiện nghịch lý rất rõ ràng, càng nhiều chuyên gia giúp AI học việc, khả năng chính công việc ấy bị tự động hóa càng lớn.
shared via nytimes,
