Голливудские сценаристы переходят на обучение ИИ: рассказ от первого лица о работе по разметке данных

Рассказ от первого лица голливудского сценариста и шоураннера — автора шоу на Paramount, Hulu и BBC — описывает их переход к работе по обучению ИИ после того, как забастовка сценаристов 2023 года лишила их традиционного дохода. Теперь они работают под ником вроде 'ri611', выполняя задачи по аннотации данных для компаний, включая Mercor, Outlier, Task-ify, Turing, Handshake и Micro1.

Как они попали

• Узнали о возможности через неофициальную группу Гильдии сценаристов в Facebook: в посте упоминалось, что Mercor платит $150/час сценаристам.
• Подали заявки на 10 вакансий, потратили 20 неоплачиваемых часов на тесты, прошли собеседование с AI-рекрутером (мерцающий свет на экране).
• Приняты шесть недель спустя как 'универсальный' аннотатор данных с оплатой $52/час — ниже уровня 'эксперт', но выше начального.

Ежедневные задачи

• Читают диалоги между пользователями и крупным LLM-чатботом, оценивая ответы по шкале от 1 до 5 с письменным обоснованием.
• Оценивают тон: естественный vs плоский, неестественный vs раздражающий.
• Аннотируют изображения (узоры мебели, групповые фото для выделения отдельных людей).
• Ставят временные метки для событий на видео: лай собаки, прохожий за окном, лопающийся шарик.
• Генерируют деликатный контент (аниме-сцены секса, жестокие изображения, рецепты бомб) в рамках тестирования безопасности красной команды.

Условия работы

• Задачи ставятся через Slack-каналы, Airtable, платежные порталы и приложения Google Workspace.
• Руководитель группы прямо заявил: «Это не работа, это задачи, и мы исполнители».
• Менеджер проекта: 22-летний недавний выпускник, который намеревался пойти в инвестиционный банкинг.
• Зарплата покрывает аренду, еду, оплату уборщицы ($150 фиксированная ставка).

Контекст для разработчиков

Эта история иллюстрирует человеческий труд, стоящий за обучающими данными для LLM. Сценаристы — эксперты в тоне, повествовании и безопасности — теперь оценивают ответы чатботов и генерируют пограничные случаи. Для AI-инженеров это напоминание о том, что качество данных зависит от низкооплачиваемых, временных работников. Такие инструменты, как Outlier и Mercor, служат посредниками в этом труде, а структура задач (оплата за задачу, без льгот) повторяет гиг-платформы.