Mercor i redefinicja pracy w erze AI: wysokie stawki za konkretne mózgi, nie za tłum

Współczesny rynek pracy, a zwłaszcza jego technologiczna awangarda, nieustannie ewoluuje pod wpływem sztucznej inteligencji. Brendan Foody, CEO Mercor, na tegorocznej konferencji Disrupt przedstawił swoją wizję tego, jak AI redefiniuje zarówno samą pracę, jak i to, kto ją wykonuje. Zdaniem Foody’ego przyszłość należy do wysoko wykwalifikowanych, kontraktowych ekspertów, a nie do masowego crowdsourcingu.

Inna perspektywa

Model biznesowy Mercor jest prosty, lecz niezwykle efektywny. Zamiast szukać tanich rozwiązań w obszarze etykietowania danych, firma skupia się na pozyskiwaniu wiedzy dziedzinowej od profesjonalistów z najwyższej półki. To właśnie byli pracownicy gigantów finansowych i konsultingowych, o bogatym doświadczeniu, są kluczowi dla trenowania zaawansowanych modeli językowych i agentów AI. Ich unikalna perspektywa i specjalistyczna wiedza są nieocenione w doskonaleniu algorytmów, które mają imitować, a w przyszłości zastępować, ludzkich ekspertów. Foody podkreśla, że 10-20% najlepszych kontraktorów odpowiada za lwią część postępów w rozwoju modeli. To właśnie ich Mercor aktywnie poszukuje i angażuje, zapewniając im konkurencyjne stawki.

Przewaga konkurencyjna

W kontekście rosnącego zapotrzebowania na precyzyjne i efektywne dane treningowe, problemy Scale AI, innego giganta w dziedzinie etykietyzacji danych, niejako utorowały drogę Mercorowi. Gdy Scale AI borykało się z wyzwaniami, Mercor ze swoim modelem opartym na ekspertach zyskał na znaczeniu, oferując jakość, której crowdsourcing nie był w stanie zapewnić.

Wątpliwości etyczno i prawne

Jednak sukces Mercor rodzi również pytania natury etycznej i prawnej. Granica między ogólną wiedzą eksperta a poufnymi informacjami firmy, dla której wcześniej pracował, jest często płynna. Czy byli pracownicy Goldman Sachs, doradzając przy budowie modeli AI, nieświadomie ujawniają korporacyjne sekrety? Czy giganci tacy jak Goldman Sachs powinni obawiać się, że ich własna wiedza stanie się paliwem dla technologii, która może ich ostatecznie wyprzeć? Foody porusza ten „szary obszar”, wskazując na fundamentalną zmianę w postrzeganiu wartości wiedzy.

Argumentuje, że cała praca oparta na wiedzy, niezależnie od branży, ostatecznie zostanie przekształcona w dane treningowe dla agentów AI. Ta odważna teza wskazuje na przyszłość, w której ludzie nie będą już wykonywać powtarzalnych zadań intelektualnych, lecz będą skupiać się na dostarczaniu i weryfikowaniu danych, które pozwolą algorytmom działać samodzielnie.