Milioni di lavoratori stanno addestrando modelli di IA per pochi centesimi
Un numero enorme di lavoratori addestra modelli di intelligenza artificiale per un compenso minimo
Nel 2016, Oskarina Fuentes ricevette un suggerimento da un amico che sembrava troppo bello per essere vero. La sua vita in Venezuela era diventata una lotta: l’inflazione era salita all’80% sotto il presidente Nicolás Maduro, e la ventiseienne Fuentes non aveva un lavoro stabile e si arrangiava con più lavori secondari per sopravvivere.
Il suo amico le parlò di Appen, un’azienda australiana di servizi di dati alla ricerca di lavoratori crowdsourcing per etichettare dati di addestramento per algoritmi di intelligenza artificiale. La maggior parte degli utenti di Internet avrà fatto qualche tipo di etichettatura dei dati: identificare immagini di semafori e autobus per i captchas online. Ma gli algoritmi che alimentano nuovi bot in grado di superare esami legali, creare immagini fantastiche in pochi secondi o rimuovere contenuti dannosi sui social media vengono addestrati su set di dati – immagini, video e testi – etichettati da lavoratori della gig economy in alcuni dei mercati del lavoro più economici del mondo.
I clienti di Appen includono Amazon, Facebook, Google e Microsoft, e i 1 milione di contributori dell’azienda sono solo una parte di un’industria vasta e nascosta. Il mercato globale della raccolta e dell’etichettatura dei dati è stato valutato 2,22 miliardi di dollari nel 2022 e si prevede che crescerà fino a 17,1 miliardi di dollari entro il 2030, secondo la società di consulenza Grand View Research. Mentre il Venezuela scivolava in una catastrofe economica, molti venezuelani laureati come Fuentes e i suoi amici si sono uniti alle piattaforme di crowdsourcing come Appen.
Per un po’, è stata una salvezza: Appen significava che Fuentes poteva lavorare da casa a qualsiasi ora del giorno. Ma poi sono iniziate le interruzioni di corrente: l’energia che manca per giorni alla volta. Rimasta al buio, Fuentes non poteva svolgere i compiti. “Non ce la facevo più”, dice, parlando in spagnolo. “In Venezuela non si vive, si sopravvive.” Fuentes e la sua famiglia si sono trasferiti in Colombia. Oggi condivide un appartamento con sua madre, sua nonna, i suoi zii e il suo cane nella regione dell’Antioquia.
Appen è ancora la sua unica fonte di reddito. La paga varia da 2,2 centesimi a 50 centesimi per compito, dice Fuentes. In genere, un’ora e mezza di lavoro gli frutteranno 1 dollaro. Quando ci sono abbastanza compiti per lavorare una settimana intera, guadagna circa 280 dollari al mese, quasi raggiungendo il salario minimo della Colombia di 285 dollari. Ma riempire una settimana di compiti è raro, dice. I giorni vuoti, che sono diventati sempre più comuni, non portano più di 1 o 2 dollari. Fuentes lavora su un computer portatile dal suo letto, incollata al suo computer per oltre 18 ore al giorno per avere la prima scelta dei compiti che possono arrivare in qualsiasi momento. Dato che i clienti di Appen sono internazionali, i giorni iniziano quando vengono assegnati i compiti, il che può significare inizi alle 2 di notte.
- Un motore di ricerca Green vede pericolo e opportunità nella rivolu...
- Singapore e gli Stati Uniti si sincronizzano sulla governance dell&...
- Che cosa? Report Apple Pencil 3 con punte magnetiche probabilmente ...
È un modello che si ripete nel mondo in via di sviluppo. I punti caldi dell’etichettatura nell’Africa orientale, in Venezuela, in India, nelle Filippine e persino nei campi profughi nei campi Shatila in Kenya e in Libano offrono manodopera a buon mercato. I lavoratori svolgono microcompiti per pochi centesimi su piattaforme come Appen, Clickworker e Scale AI, o stipulano contratti a breve termine in centri dati fisici come l’ufficio di 3.000 persone di Sama a Nairobi, in Kenya, che è stato oggetto di un’inchiesta di Time sull’exploitazione dei moderatori di contenuti. L’esplosione dell’intelligenza artificiale in questi luoghi non è una coincidenza, afferma Florian Schmidt, autore di “Digital Labour Markets in the Platform Economy”. “L’industria può spostarsi flessibilmente ovunque i salari siano più bassi”, afferma, e può farlo molto più velocemente, ad esempio, dei produttori di tessuti.
Alcuni esperti vedono piattaforme come Appen come una nuova forma di colonialismo dei dati, afferma Saiph Savage, direttore del Civic AI Lab presso la Northeastern University. “I lavoratori in America Latina stanno etichettando immagini e quelle immagini etichettate vanno a alimentare l’intelligenza artificiale che verrà utilizzata nel Nord globale”, afferma. “Anche se potrebbe creare nuovi tipi di lavoro, non è del tutto chiaro quanto gratificanti siano questi tipi di lavoro per i lavoratori nella regione.” A causa dei paletti in costante movimento dell’intelligenza artificiale, i lavoratori sono in una continua corsa contro la tecnologia, afferma Schmidt. “Una forza lavoro viene addestrata a posizionare in modo tridimensionale riquadri attorno alle auto molto precisamente, e improvvisamente si tratta di capire se un grande modello di linguaggio ha dato una risposta appropriata”, afferma, riguardo al passaggio del settore dalle auto a guida autonoma ai chatbot. Quindi, le competenze specifiche dell’etichettatura hanno una “emivita molto breve”.
“Dal punto di vista dei clienti, l’invisibilità dei lavoratori nell’esecuzione di microcompiti non è un difetto ma una caratteristica”, afferma Schmidt. Economicamente, perché i compiti sono così piccoli, è più fattibile gestire i fornitori come collettivo invece che come individui. Ciò crea un’industria del lavoro irregolare senza soluzione faccia a faccia per le controversie se, ad esempio, un cliente ritiene che le risposte siano inaccurate o se vengono trattenuti i salari.
I lavoratori di ENBLE a cui abbiamo parlato dicono che non sono le basse tariffe il problema principale, ma il modo in cui le piattaforme li pagano. “Non mi piace l’incertezza di non sapere quando arriverà un incarico, perché ci costringe ad essere vicino al computer tutto il giorno”, dice Fuentes, che vorrebbe ricevere un’ulteriore compensazione per il tempo trascorso in attesa davanti allo schermo. Mutmain, 18 anni, del Pakistan, che ha chiesto di non usare il suo cognome, fa eco a ciò. Dice di essersi unito ad Appen a 15 anni, usando l’ID di un familiare, e lavora dalle 8 del mattino alle 6 del pomeriggio, e un altro turno dalle 2 del mattino alle 6 del mattino. “Devo restare su queste piattaforme tutto il tempo, in modo da non perdere lavoro”, dice, ma fatica a guadagnare più di 50 dollari al mese.
Viene compensato solo per il tempo trascorso inserendo i dettagli sulla piattaforma, che svaluta il suo lavoro, dice lui. Ad esempio, un incarico legato ai social media può pagare un dollaro o due all’ora, ma la tariffa non tiene conto del tempo aggiuntivo necessario per la ricerca online, dice. “Devi lavorare cinque o sei ore per completare ciò che effettivamente corrisponde a un’ora di lavoro in tempo reale, solo per guadagnare 2 dollari”, dice. “Dal mio punto di vista, è schiavitù digitale.” Un portavoce di Appen ha detto che l’azienda sta lavorando per ridurre il tempo trascorso alla ricerca di incarichi, ma la piattaforma deve trovare un “equilibrio attento” tra fornire ai clienti incarichi completati rapidamente e ai collaboratori un flusso di lavoro costante.
Fuentes è ora in un gruppo di chat Telegram con altri lavoratori venezuelani di Appen, dove condividono consigli e lamentano le loro lamentele: la loro versione di un canale Slack o chiacchierata al distributore d’acqua. Dopo sette anni di completamento di incarichi su Appen, Fuentes dice che lei e i suoi colleghi vorrebbero essere considerati dipendenti delle aziende tecnologiche per le quali addestrano gli algoritmi. Ma nella corsa verso il basso dell’etichettatura AI, contratti di anni con benefici non sono all’orizzonte. Nel frattempo, vorrebbe vedere l’industria sindacalizzata. “Vorrei che ci considerassero non solo strumenti di lavoro che possono essere gettati via quando non siamo più utili, ma come esseri umani che li aiutano nel loro progresso tecnologico”, dice.
Questo articolo appare nell’edizione di novembre/dicembre 2023 di ENBLE UK.
