教AI认识世界的那些人，成了最容易被替代的“赛博螺丝工”|小雅|招聘|质检员|赛博螺丝工

图片来源：摄图网

本文为《方圆》杂志原创稿件

未经授权，禁止转载

“线上灵活办公，零基础带教”

“按单结算，不限专业”……

这些招聘AI数据标注员的帖子

吸引了很多人进入这个新兴的行业

但与此同时，不少数据标注员反馈

这份工作并没有那么“自由灵活”

接单要靠抢

抢到单也未必能如约拿到酬劳

还有很多人认为这份工作

是披着高科技外衣的“赛博螺丝工”

数据标注员究竟是一份怎样的工作？

从业者正面临着哪些权益保障困境？

教AI认识世界

图片来源：摄图网

2020年2月，“数据标注员”便作为“人工智能训练师”的工种之一被正式纳入国家职业分类目录，但其具体工作内容正随着AI的迅速发展而有了新变化。

根据中国信息通信研究院联合相关单位发布的《数据标注产业发展研究报告（2025年）》，狭义的数据标注产业是指将原始数据标记人类知识转换成机器可识别信息的过程，广义的数据标注产业通常指对数据进行筛选、清洗、分类、注释、标记和质量检验等加工处理的过程。

“此前，数据标注员一般通过对数据进行框选、转录等打标签的方式，将看似杂乱的数据转化为模型训练材料，使机器能‘看懂’图像、‘听懂’语言、‘理解’逻辑。但当下的数据标注工作已进化为预训练数据清洗（剔除乱码）、监督微调标注（教AI模仿人类语气、拒答违规问题）以及人类反馈强化学习（给AI的回答打分）。”上海大学社会学院教授贾文娟介绍道。

科幻小说作者渊星曾在外包公司为某大厂的大模型做标注，他的工作内容正是给AI打分。他这样描述自己的日常：“前三个月我在小说组，这个组招聘的都是有写作、出版经验的人。我们会收到不同AI大模型针对同一个query（用户向AI发送的请求指令）进行的答复，这些答复可能是一万字左右的短篇小说，而我们需要判断哪个答复最好，判断不同答复存在的问题，并打上问题标签，进行评分和备注说明。”因表现出色，渊星很快成为一名质检员，负责检查、修改数据标注员的数据，但他能拿到的酬劳与数据标注员没有差别。

不同于渊星以外包人员的身份进入大厂线下办公，另一名受访者小雅（化名）是在某平台接单做AI标注兼职，当时她被“薪酬高，线上完成，时间自由”等广告语所吸引。这份兼职里，小雅的核心工作是给AI出题，“只有难住了AI，也就是AI回答的正确率低于某个数值，我出的题才能算是有效的工作量”。而想难倒AI，并没有那么容易，小雅想获得承诺中的高薪，比较困难。

话语权缺失带来的困境

图片来源：摄图网

尽管工作内容日益复杂，但数据标注员们在产业链条中的话语权却并未提升。华东理工大学法学院副教授粟瑜指出，这一群体普遍存在话语权低、议价空间不足、申诉救济薄弱的问题，呈现出“工作标准持续升级、劳动者博弈地位不升反降”的错位状态。

数据标注员们最容易遇见的问题便是“标准不清晰”。而对此，他们表示只能妥协，很难申诉，却要承担一切负面结果。

据小雅介绍，不同项目都会提供培训文件，详细介绍质检标准，然而实践中标准并不是那么清晰。“比如在一个法律项目中，关于是否应该引用法条全文，不同的质检员有不同标准。而且因为质检员水平参差不齐，有的质检员的返修意见可能本身就存在最基本的法律错误。”然而，每道题目的返修次数有上限，频繁打回修改会最终影响报酬结算。如果对质检结果有异议，平台有申诉渠道，但小雅说：“我认识的数据标注员中，没有人申诉成功。”

渊星同样提到标准不清晰的问题。他说：“以小说组为例，几千字的规则文档里有一个问题标签叫‘人物扁平’，是指人物要有成长和转变，但这个评价主观性很强，有的人觉得这个角色多少是有人物弧光的，但也有人会觉得角色有成长，但出现了重复塑造、比较套路等问题。因此，数据标注员、质检员和产品经理之间常有分歧，最后基本上就是妥协——标注员向质检员妥协，质检员向项目经理妥协，项目经理向产品经理妥协。”

对于标准不清晰的困境，贾文娟用“双重不确定性悖论”来解释：“数据标注员的工作内容虽然在发生变化，但核心仍是进行认知劳动，数据标注员需按照AI能理解的方式提炼自己的认知。然而，模型训练需要标签化的标准数据，公司也需要以标准化的方式组织生产，但人们的认知又非常主观。若赋予劳动者过多认知自主性，会影响标注速度的提升，导致生产效率受损；如果过于强调劳动过程的标准化，又会阻碍人类认知潜能的充分发挥，影响大模型的进一步发展。”

贾文娟进一步指出，数据标注员的“妥协”实则是其有责无权的体现。“数据标注若存在问题，需要数据标注员返修或重新标注；如果AI项目获得成功，数据标注员也不会在利润和资源的分配中占有更大份额。资源与风险的分配不平等。”

除了标准不清晰问题之外，数据标注员还面临其他权益保障问题。工作内容的任意调换，就是其中之一。

渊星在小说组工作约3个月后，和同事被分到各个项目组临时支援，后期几乎是一周换一个组。“每个组有新规则要学，等我们适应了，这批数据也差不多做完了，导致我们做了很多无用功。而对于工作调动，我们没有任何话语权，只能听从分配。”

更隐蔽的伤害，来自接触高危内容。渊星曾被分配到一个项目组，需要大量评测AI大模型输出的与色情暴力相关的内容，并提出修改意见，这给他带来了极大的心理冲击。尽管调组前，有工作人员告诉他们“做好心理准备”，但没有具体说明工作内容，更不存在任何心理支持保障。

粟瑜表示，随着大模型发展，跨境数据标注和高危内容标注大量增加，从业者需要处理暴力、淫秽、极端言论等特殊任务，由此带来的心理创伤和精神损害问题越来越突出。

然而，这类心理伤害却很难认定为工伤。北京大成律师事务所高级合伙人肖飒解释道，根据现行《职业病分类和目录》，创伤后应激障碍的认定仅限于参与突发事件处置的应急救援人员，数据标注员因接触暴力、色情内容导致的心理伤害目前难以认定为职业病，进而难以认定为工伤。“虽然理论上可依据《工伤保险条例》相关规定申请，但其中的因果关系举证困难，且精神心理伤害缺乏统一的鉴定标准，损害程度难以量化，维权难度较大。”

粟瑜认为，数据标注员的话语权缺失，归根结底源于标注行业特殊的劳动结构与算法管控模式。“数据标注属于AI产业链底端的微任务劳动，从业者高度原子化、人数庞大、可替代性极强，供需严重失衡，天然不具备议价能力。与此同时，行业实行单向算法管控，平台、发单方独占任务标准、考核评级、薪酬结算、成果审核的全部规则制定权，标注劳动者只是规则的被动执行者，几乎没有有效抗辩的空间。”

取证难，维权难

图片来源：摄图网

数据标注，作为AI产业链条中较底层的一环，常被核心企业以外包、众包的形式招聘，而这种用工模式，使得话语权本就弱的从业者想维权的难度更大。

小雅就遭遇了维权难题。她被质检员无端贬低，找客服维权，结果却被踢出群聊，账号也被封禁。“我找过多个客服和项目经理，他们都表示没有回复权限，也不告知具体封禁原因。”账号封禁后，小雅无法再提供任何工作截图，很难证明自己曾经都做过哪些工作。

尽管渊星在职时，没有听说有同事与公司产生纠纷，但他也坦言，想留存相关工作证据比较困难。“所有工作只能在公司配发的电脑上进行，工作区域不能用手机拍照录像，工作所需的沟通都在内部群聊进行，离职时会自动注销账号。”

肖飒表示，在“层层转包”模式之下，用工链条拉长导致责任主体模糊，多层承包方互相推诿责任，使得劳动者维权成本上升、难度增加。而在“众包模式”下，劳动者自主接单的场景多按照民事法律关系调整，脱离劳动法保护体系，可能造成其最低工资、带薪休假、社会保障等劳动基准保障的缺失。

粟瑜进一步指出，层层转包、分包和平台众包，本质上都是企业为压缩用工成本、隔离用工风险而形成的用工安排。

“数据标注众包的从业者被称为AI产业背后的‘幽灵劳工’，全程线上独立作业，缺乏同业交流与团队支撑，长期被排除在传统劳动保护之外。正是这种孤立让劳动者取证更加困难——传统维权尚有固定职场、工友佐证、持续用工记录可依，而众包标注者完全分散作业，平台单方掌控全部后台数据，从业者仅能留存零散截图，难以形成完整证据链。”

取证难的问题并非无解。肖飒指出，《中华人民共和国劳动争议调解仲裁法》第6条规定了举证责任倒置规则，即发生劳动争议时，与争议事项有关的证据属于用人单位掌握管理的，用人单位应当提供。她也建议，数据标注员应尽可能地自行保存证据，备份日常接单记录、沟通记录、报酬支付记录等，对关键电子证据可进行公证。争议发生后，还可以寻求劳动监察部门帮助，由行政机关调取企业的相关用工资料。

近两年，数据标注员的权益保障在制度层面有了一些新变化。

粟瑜介绍，“2025年新版《新就业形态人员职业伤害保障办法（试行）》落地实施，其适用对象的表述中‘等’字的运用，为数据标注这类线上微任务众包群体留下了纳入空间，填补工伤和职业风险保障这块制度短板成为可能。”他表示，司法实践也在跟进，面对平台隐蔽用工、变相管控等情况，司法机关开始穿透劳务关系的表象，实质性地考量劳动者权益。

“整体而言，数据标注众包劳动的制度保护，正从完全空白走向初步兜底的探索阶段，但专门、系统、精准的法律保护体系还没有形成。收入偏低、管控失衡、保障缺失这些核心问题，仍未得到根治，它依然是数字劳动治理中一个突出的薄弱环节。”粟瑜说道。

为破解标注员群体权益保障难题，粟瑜建议，未来需要构建软硬协同、多元共治的系统化保护路径。“第一，出台数据标注行业专项指导规范，统一审核驳回、薪酬结算、账号管理、申诉复核的行业标准。第二，坚持司法事实优先原则，结合算法管控、任务强制、工时约束等实质用工特征识别劳动关系。第三，完善证据与维权帮扶机制，压实平台全流程数据留存义务，畅通复核申诉渠道，依托工会、行业协会等为零散从业者提供公益维权支撑。第四，补齐人格权益保障短板，建立高危任务分级、轮岗调休、心理疏导机制，实现劳动者财产权益与人格权益的双重保护。”

保障“赛博螺丝工”的成长空间

图片来源：摄图网

从事标注工作约半年后，渊星选择了离职。他表示，无论是他自己，还是组里的标注员，他们的工作都很难得到正反馈。“群里每天都在@不同的人，指出不同的错误，工作氛围很压抑，一直被否定，很有挫败感。”

“在这半年里，我很难感受到大模型是有改进的。虽然我知道AI数据标注对于AI训练很重要，但毕竟训练一个模型需要用到那么多数据，我处理的只是其中一小部分。这些数据对模型有多大的影响，甚至说会不会有负面影响，我无从得知，这份工作并没有带来太多的成就感。”渊星说道。

没有成长、看不到工作的意义、容易被替代，这是很多数据标注员离职的原因。很多标注员还表示，自己就是一个“赛博螺丝工”。

贾文娟认为这个表述非常准确。“一方面，数据标注员的工作很重要，AI行业想发展离不开他们；另一方面，数据标注员很容易被贬低、被忽视、被边缘化，其可替代性很强，并成为行业发展的‘耗材’。”

粟瑜同样表示，标注员身处AI高科技赛道，却从事着高度标准化、机械化、重复性的微任务劳动，是典型的“高科技光环下的传统劳动密集型工作”。“底层标注劳动者承担了AI发展的基础成本与枯燥劳动，却难以共享产业发展红利，甚至自身岗位率先被技术迭代挤压、替代，这也是未来数字劳动治理、就业保障与职业转型需要重点回应的核心问题。”

如何解决标注员成长受限的难题、实现从业者价值与产业发展的良性互动？粟瑜建议，应依托职业教育资源和专业实训机构，提升数据标注领域职业能力，打造专业化人才培养模式，畅通晋升渠道。

贾文娟认为，保障数据标注员的成长空间，同样是在保障AI的发展空间。她所畅想的未来里，AI应当去做那些“脏、累、差、险”的工作，而不是对大量劳动者进行激进替代。

粟瑜表示，AI发展应当有助于“人”的能力发展，而不应建立在对人的“隐形剥削”之上。“未来的制度设计和行业治理，应当跳出单纯的权益兜底思维，转向赋能型保障。无论是数据标注员等基础数字劳动者，还是各类新业态从业者，都应获得技能提升、职业转型、价值升级的通道，实现技术发展与劳动者成长双向赋能。”

（本文有删减，更多内容请关注《方圆》7月下期）

本文杂志原标题：《数据标注员，被忽视的AI“耗材”》