AI 系统背后的隐形劳动力
当前这一波人工智能浪潮常常被描述为模型、芯片和资本支出的竞争。远没有那么显眼的，是每天帮助训练、监管并优化这些系统的人力队伍。关于影响 Covalen 员工的裁员新报道，让这层隐形劳动力浮出水面。
据 WIRED 查阅的文件显示，位于都柏林、为 Meta 提供外包服务的 Covalen 在爱尔兰有 700 多名员工面临失业风险。其中大约 500 人是数据标注员，他们负责依据公司关于危险或非法材料的规则，评估 Meta AI 系统生成的内容。员工们通过一场简短的视频会议得知这一消息，据一名员工称，他们当时不被允许提问。
拟议裁员的规模之所以重要，是因为它揭示了 AI 经济核心处的一种矛盾。Meta 正在加大对人工智能的支出，而大量从事让这些系统更安全、更易用的人，如今却面临不确定性。
这项工作究竟在做什么
数据标注和安全审查很容易抽象地描述，却很难具体理解。实际上，员工可能会花整天时间判断 AI 输出是否违反规则，编写提示词来测试模型的安全防护，并记录系统预计应当学习的“正确”决策。
报道援引的员工说法描述了一种既技术上重要、又在心理上极具消耗性的劳动。据称，有些工作涉及试图绕过与儿童性虐待内容或自杀内容相关的护栏，以便测试并改进 Meta 的系统。一名员工形容这份工作极其艰苦。另一人则直截了当地概括了更广泛的动态：人类正在训练那种最终可能取代他们的 AI。
这种张力并非 Meta 独有。它已成为生成式 AI 开发的一个标志性特征。面向公众的叙事强调自主系统，但这些系统仍然高度依赖大量人力：标注数据、进行压力测试、作出细粒度判断，而这些判断又成为模型调优和政策执行的基础。
重组背景下的裁员
Covalen 的拟裁员发生之际，Meta 正在推进更广泛的效率提升。该公司最近宣布裁员约 10% 的岗位，同时也释放出大幅增加 AI 投资的信号。据报道，1 月份首席执行官马克·扎克伯格曾表示，2026 年将是 AI 开始显著改变人们工作方式的一年。
这一表述有助于解释为什么外包商裁员值得关注。这不仅是爱尔兰的一则劳资关系新闻，也是一场重大科技公司围绕 AI 重组方式的结构性转变的一部分。资金正流向基础设施、模型开发和战略扩张。与此同时，一些在早期阶段为这些系统提供支撑的劳动力，正受到挤压。
WIRED 查阅的邮件显示，Covalen 仅告知员工，裁员决定是由“需求减少和运营要求”所驱动。这种说法是熟悉的企业话术，但它并未回答一个根本问题：随着 AI 经济格局变化，外包的人类审查将扮演什么角色。
这对 AI 劳动的未来意味着什么
AI 讨论中有一个反复出现的神话，认为这项技术会很快变得自我维持。现实却是，如今大规模部署的系统仍然高度依赖人类纠错。人们会处理边缘案例、解读政策、评估输出，并创建“安全”或“有用”回答应当是什么样子的示例。当公司希望声称其模型能够抵御有害内容时，这些任务尤其重要。
如果这些工人被大幅裁撤，可能会出现几种结果：
- 公司可能尝试将更多评估流程自动化
- 他们可能把劳动转移到其他地区成本更低的外包商
- 他们可能把人工审查范围缩小到最敏感的类别
- 他们可能接受更高的运营风险，以换取更低的劳动成本
这些路径没有一条是没有代价的。那些在表格里看起来“非核心”的安全与质量工作，一旦系统面临公众审视、法律压力或有害使用事件，往往会证明自己处于核心位置。
尊严问题
Covalen 事件引出的更深层问题，不只是就业，还有尊严。那些承担艰难审核和标注任务的外包工人，在 AI 体系中往往处于一种尴尬位置。他们的工作不可或缺，却被外包出去；他们与公司的系统关系密切，却在结构上远离公司的公开身份；即便它已经成为稳定的运营需求，这类工作也常常被视为临时性的。
这种安排让 AI 产业得以把自己呈现为高度自动化，同时却依赖大量接触重复性、甚至可能带来创伤的材料的人力劳动。当这些工人随后被告知，为了效率必须在几乎没有提前通知或对话的情况下裁掉他们时，这一信息几乎不可能被忽视。
Meta 自身的支出优先级让这种对比更加尖锐。一家愿意将 AI 支出几乎翻倍的公司，仍把 AI 支持劳动中的关键部分视为可弃用的成本。这在短期内或许符合财务逻辑，但它也提出了更难的问题：这个行业究竟如何评价那些承受社会和心理负担、让 AI 真正可用的人。
行业的一个揭示性时刻
Covalen 裁员的重要性不在于它前所未有，而在于它具有澄清作用。它揭示出，AI 热潮并不只是创造一个新经济，而是在一个既有经济内部重新分配风险、地位与议价能力。
随着公司竞相打造能力更强的模型，他们也在决定哪些人类角色仍然可见，哪些会被外包，哪些可以被裁撤。这些决定不仅会塑造 AI 的经济学，也会塑造它的伦理。如今在爱尔兰面临风险的工人提醒我们：在每一个光鲜的 AI 产品背后，仍然存在一条人力供应链，而即便行业坚持未来前所未有地光明，这条供应链也可能被切断。
本文依据 Wired 的报道改写。阅读原文。
Originally published on wired.com
