Краткое содержание анализа
Профессия маркеров данных, которые помогают ИИ познавать мир, распространяется на такие города, как Хуэйшуй в Гуйчжоу и Биньчжоу в Шаньдуне, и становится новым источником дохода для местных студентов, мам, безработных и других граждан. Однако работники сталкиваются с такими проблемами, как низкая зарплата (в среднем около 3000 юаней), скучная и повторяющаяся работа, а также большое психологическое давление. Кроме того, они оказываются в затруднительном положении из-за многоуровневой подряда в промышленной цепочке: приходящие от крупных компаний заказы после нескольких переходов оставляют лишь небольшую часть прибыли, что снижает доходы маркеров данных. Они надеются на улучшение условий труда и государственную поддержку, чтобы выйти из этой сложной ситуации.
I. Новый источник дохода в городах: кто занимается маркерингом данных?
Большинство маркеров данных в городах — это люди, которые ищут работу поблизости от дома:
- Недавно окончившие университет студенты: например, Чжоу Сюньди, который после неудач в поиске работы нашел место маркера на ярмарке труда и смог устроиться, не покидая родной город;
- Мамы и безработные: в команде Чжан Шэнъюэ 30 человек, среди которых есть мамы, заботящиеся о детях дома, и люди, ищущие работу после перерыва; эта работа довольно гибкая по времени (некоторые могут работать из дома), что подходит тем, кто должен совмещать семейные обязанности;
- Предприниматели из городов: Чжан Шэнъюэ вернулся из Цзинаня в свой родной город, чтобы открыть компанию, учитывая большой спрос на услуги маркеринга данных, но путь предпринимательства оказался непростым.
Для городов это редкая возможность привлечь молодых работников, что решает проблему того, как студенты могут остаться в своих родных местах.
II. Что конкретно делают маркеры данных?
В общем смысле, маркеры данных помогают ИИ понимать окружающий мир:
- Основные задачи: с помощью мыши они формируют трехмерные образы на основе данных лазерного сканирования (наборов точек), обозначают автомобили, пешеходов, препятствия, светофоры и синхронизируют их с двумерными фотографиями, чтобы ИИ мог правильно их распознавать;
- Дополнительные требования: каждый проект имеет свои специфические правила: например, требуется, чтобы траектории движения объектов были плавными (например, пешеходы шли прямо), или чтобы уровень их закрытия соответствовал определенным стандартам (например, если автомобиль частично скрыт деревом, образ должен быть точным);
- Самая сложная часть работы: готовые результаты проверяются контролерами качества, и при несоответствии их нужно переделывать. Например, Чжоу Сюньди неоднократно перерабатывал работы из-за неправильных траекторий движения объектов.
По сути, маркеры данных предоставляют ИИ необходимые данные для обучения.
III. Мало денег, много работы и большое давление: насколько велико психологическое давление?
Зарплата и условия труда маркеров данных связаны с низким уровнем доходов и нестабильностью:
- Низкая зарплата: во время стажировки Чжоу Сюньди получал 2300 юаней, после того как он стал полноценным сотрудником, зарплата, вероятно, увеличится, но после вычета комиссий и изменений в производительности, она едва покрывает ежедневные расходы; сотрудники команды Чжан Шэнъюэ получают от 2500 до 3000 юаней в месяц, некоторые — до 4000 юаней, что считается приемлемым уровнем, но не богатым;
- Трудности для работодателей: Чжан Шэнъюэ сталкивался с ситуациями, когда заказчики просто исчезали, и компания не получала оплату за выполненную работу, приходилось занимать деньги у друзей и родственников; заказы непостоянны, и часто приходится учиться работать над новыми проектами, что увеличивает временные затраты;
- Психологическое давление: повторяющаяся работа и необходимость переделки работ вызывают стресс у маркеров данных; Чжан Шэнъюэ, занимающийся наймом сотрудников и поиском заказов, также испытывает сильное давление.
Эта работа кажется простой, но на самом деле представляет собой сложный тест на физические, умственные и психологические ресурсы.
IV. Загадка низкой прибыли из-за многоуровневой подряда: почему не получается заработать больше?
Проблема низкой зарплаты связана с малой прибылью на нижних уровнях промышленной цепочки:
- Заказы, как лук: заказы от крупных компаний (например, Baidu, Chery) стоят около 10 юаней за кадр; после нескольких уровней перехода они могут стоить всего 1 юаня для компаний в городах; после вычета аренды, затрат на оборудование и управление, оставшаяся сумма для маркеров данных составляет всего несколько юаней за кадр;
- Невозможность получить прямые заказы: крупные компании предъявляют высокие требования к квалификации компаний-подрядчиков (например, количество сотрудников, количество выполненных проектов), и малые городские компании не могут их выполнить, получая лишь вторичные или многоуровневые заказы;
- Нестабильность заказов: иногда работы прерываются на полпути, и все предыдущие усилия теряются, приходится учиться работать над новыми правилами, что тратит время.
Это похоже на пищевую цепочку: те, кто находится выше, получают большую прибыль, а те, кто ниже, остаются с минимальным доходом.
V. Что они хотят в будущем?
Ожидания работников конкретны:
- Повышение зарплаты: Чжоу Сюньди надеется на увеличение основной зарплаты после становления полноценным сотрудником;
- Государственная поддержка: они хотели бы, чтобы правительство предоставило поддержку компаниям, занимающимся маркерингом данных (например, субсидии, помощь с получением необходимых лицензий), чтобы они могли получать более крупные заказы;
- Признание их работы: Чжоу Сюньди хочет, чтобы общество понимало ценность их работы — их усилия являются важной частью развития технологий автономного вождения; он также надеется, что их психологическое давление будет учитываться и что маркеры данных перестанут быть «невидимыми».
Маркеринг данных является важной частью развития ИИ-индустрии, но условия работы маркеров данных также заслуживают большего внимания.