[時事觀點] AI 數據帝國的誕生：Meta 併購Scale AI後，「骯髒的軟肋」如何被保障？
The AI Empire's Might, Scale's Labor Plight?
當26歲的Scale AI創辦人Alexandr Wang在CNN鏡頭前談論「讓盡可能多的人發揮集體專業知識」時，他沒有提到的是：菲律賓有超過200萬人正在為全球AI產業做著最低薪、最枯燥的數據標註工作。這就是AI創業家們精心包裝的「智慧勞動」真相——表面上是科技民主化，實際上是全球化的數位剝削。在近期的集體訴訟中，原告律師更將Scale AI形容為「支撐生成式AI行業的骯髒軟肋」。
剝削邏輯：規避法規，壓低成本
Scale AI的商業模式被訴訟指控為建立在一個簡單而殘酷的邏輯上：透過其擁有超過24萬註冊工人的Remotasks等平台，將勞工定義為「獨立承包商」而非正式員工，從而規避如加州《AB-5法案》等旨在保護正式員工的法規。
根據起訴書，Scale AI在招募時對薪酬、獎金等做出虛假陳述，引導求職者簽訂獨立合約，從而規避勞工法對公司雇員的種種保護。德拉大學教授 Cheryll Soriano一針見血地指出：「歸根結底，完全就是缺乏標準。」
具體的剝削手段包括：
極低薪資：23歲的Charisse工作4小時僅得30美分（約台幣9.56元）
任意扣薪：26歲的Jackie預期賺50美元，最終只拿到12美元
無預警解雇與報復：36歲的Benz被裁員後，超過150美元薪資至今未收到。更有甚者，當員工提出異議後會遭到報復性解僱。
2024年8月，Scale AI一次性解雇約500名美國承包商，幾乎沒有提前通知
勞動現實：從體力到心理的全面壓榨與組織混亂
在亞洲某城市附近的一家大型咖啡館裡，AI數據標註師Alex與人交談時不斷提到店裡的咖啡機器人。這台人形機械臂據說臉部還是根據店主建模，但Alex心裡清楚：「現階段還只是裝飾品。」Alex 99年出生，專科畢業，曾在政府內單位工作，後來轉行學建築設計，再進入AI產業，成為大廠外包數據標註師，薪水從3K漲到13K。他的經歷代表了AI數據標註工作的三個層次：
底層標註員：從事「體力+注意力」工作，如識別自動售貨機商品，單價極低且容易疲勞。這是AI產業門檻最低的崗位，也是最容易被替代的。
中層標註員：需要「理解力+記憶力」，如碩士才能參與的大模型評分工作。標準複雜且常變動，正確率低就被淘汰。碩士Soda原本職涯順利，因與上司不合離職後考慮過數據標註師，但做過一次兼職後放棄，覺得這是「純燒腦體力活，沒上升空間」。
高層管理員：如Alex這樣的小組長，帶領10人標註小組，負責大模型評估、制定標註規則，還需與算法和產品團隊溝通，工作內容更偏管理與協調。但仍只是流水線上的管理者，難以突破產業金字塔。
更嚴重的是心理與組織層面的雙重混亂。除了被迫接觸暴力、自殘等有害內容且缺乏足夠心理支持外，一位前項目主管更在 Reddit上爆料，他帶領的團隊內竟有半數員工從未獲得薪水，而公司內部申訴管道混亂如同迷宮。這位主管還指出，由於招聘時缺乏篩選，大量不合資質的工人被引入項目，導致其生產的數據品質堪憂。
法律與政治的博弈
2024年12月：由克拉克森律師事務所（Clarkson Law Firm）提起的集體訴訟，核心直指工人身份的錯誤分類。訴訟估計受影響工人數在1萬至2萬人之間，Scale AI最終可能面臨數千萬美元的賠償。諷刺的是，這起訴訟的導火線，正是Scale AI將部分業務轉回美國本土後，美國工人的親身經歷。
儘管面臨法律挑戰，但Scale AI的前景並非一片黯淡。在加州《AB-5法案》通過後，Uber、Lyft等零工經濟巨頭曾花費數億美元進行政治遊說，最終成功維持了其平台工人的承包商身份。處在監管盲區的數據標註產業，很可能在未來很長一段時間內，繼續遊走於法律的灰色地帶。
平台話術：「石油論」背後的價值壟斷
Wang將資料比作石油：「資料是最接近石油的東西。」他強調Scale AI「專注於少數客戶，但能產生真正重大影響的客戶，所以我們與排名第一的銀行、排名第一的製藥公司、排名第一的國家（美國）合作。」
這個比喻看似合理，實際上掩蓋了價值分配的不公。在石油產業中，開採國至少能獲得資源租金；但在AI產業中，提供「原料」的標註員卻拿到最少的報酬。真正的價值被平台方和演算法公司壟斷。
Scale AI聲稱「自豪地以維生工資支付工資」，但現實是菲律賓工人收入遠低於最低工資。這種話術的目的是將剝削包裝成「機會提供」，將結構性問題個人化。Wang的精英化敘述忽略了一個事實：越是高端的AI應用，越需要大量底層勞工的血汗付出。
產業趨勢：自動化淘汰與新型壟斷
海外名校碩士 Jackson 現於亞洲某科技公司做基礎模型訓練。他解釋數據標註師主要介入模型微調（SFT）和強化學習（RLHF）階段：「SFT是教AI如何回答，RLHF則是幫AI選最符合人類偏好的答案。」
Jackson形容AI產業像金字塔：「底層是標註，中層是應用，上層是微調和後訓練，塔尖才是基礎模型設計。背景（學歷、論文）決定能否往上爬。」
隨著AI模型能力提升，80%的標註工作已被自動化取代。這看似解決了剝削問題，實際上只是讓剝削變得更隱形：
技術替代的假象：自動化並未消除對人工標註的需求，而是讓需求更加專業化、碎片化。新場景不斷出現，仍需要人工介入。
價值鏈重組：人工標註雖然效果最好，但成本高，大部分公司會用自動化或模型生成數據。只有頂級大廠才有財力做大規模人工標註。數據標註師時薪低、工作強度大，且缺乏技術壁壘，容易被替代。
平台壟斷加劇：Meta以148億美元收購Scale AI 49%股份，顯示資本正在整合資料服務市場。這不僅是商業交易，更是AI帝國的誕生。未來，能整合資料管理、合成數據與產業know-how的公司將成為寡頭，而底層勞工的議價能力將被進一步削弱。
Soda最終放棄數據標註，因為職涯成長有限。儘管數據標註需求仍會因新場景而持續存在，但大多數人仍只是流水線上的一員，難以突破。
Alex對未來仍有信心，積極學習AI知識，認為人的主動性才是關鍵。但咖啡館裡的機器人雖然吸睛，現實卻是大部分標註員都面臨被淘汰的命運。
一邊是基礎大模型高速擴張時期，大廠高薪與「AI紅利」吸引而來的數以萬計的求職者，全國各地甚至湧現了不少打著AI訓練師旗號的培訓班；另一邊則是瀰漫在從業者之中的不安和焦慮，很多人覺得自己是在為AI打零工，或者只是成為了大模型優化的一個耗材，既難以形成技術積累，也隨時可能被AI所取代。
如今，隨著大模型開發從「拼底層參數」轉向「爭場景落地」，這一工種的需求也在發生變化。標註崗位不再像過去那樣「批量放量」，取而代之的是更垂直化的需求和更強的專業門檻。轉型成功的Alex，和抽身離開的Soda，正是這股AI浪潮下的兩個典型註腳。
壟斷陰影下的勞工權益：我們該如何行動？
Scale AI的案例突顯了技術創新與勞工權益間的緊張關係。而當它與Meta這樣的巨頭結合，問題的嚴重性提升到了另一個層次：這不再只是單一公司的剝削問題，而是可能形成結構性的、難以撼動的壟斷壓迫。
這筆交易意味著全球最大社交平台與最大AI數據供應商的結合，將形成一個在數據來源、標註人力、到模型應用上的閉環。這不僅對勞工不利，也對整個AI生態系構成威脅。其他AI公司，包括微軟、馬斯克的xAI等主要客戶，都開始疏遠Scale AI。Google作為其最大客戶之一，更計劃切斷價值數億美元的合作關係。
原因很簡單：AI公司擔心與Scale AI合作，會將自身的研發重點和技術路線圖暴露給核心競爭對手Meta。在數據標註過程中，客戶往往需要分享最敏感的專有數據和原型產品。過去依賴Scale AI的企業，如今面臨供應鏈被對手掌控的巨大風險。
對於數以百萬計的數據標註員來說，這無疑是雪上加霜。當市場上只剩下一個或幾個主要「買家」時，他們將徹底失去用腳投票的權利，薪資和勞動條件可能被壓得更低。
因此，我們必須將這次併購視為一個關鍵節點，迫使監管機構和科技巨頭正視AI勞動者的權益。以下是幾點具體建議：
1. 監管機構：超越反壟斷，納入勞工權益審查
監管機構（如美國FTC）審查此案時，不應只看市場份額，更應將「勞工權益」作為核心審查指標。應要求Meta與Scale AI提出具體的勞工保障計畫，包括：
透明的薪資標準：承諾支付「維生工資」，並接受第三方審計。
心理健康支援：為接觸有害內容的標註員提供強制性、全額補助的心理諮商服務。
平等的合約地位：檢討「獨立承包商」模式的濫用，保障勞工的基本權益。
2. Meta與Scale AI：化危機為轉機，建立產業新標竿
與其被動應對訴訟和調查，Meta與Scale AI應主動將此次合併作為建立「道德AI供應鏈」的契機。他們可以共同發布一份具有法律約束力的《AI勞動者權利法案》，內容涵蓋公平薪酬、工作時數上限、申訴管道與心理健康保護。
這不僅能緩解監管壓力，更能為自己建立「負責任的AI領導者」形象，成為新的競爭優勢。
3. AI產業與客戶：要求供應鏈透明化
所有使用數據標註服務的AI公司，都應要求其供應商（如Scale AI）提供勞工待遇的透明度報告。如同製造業要求供應商遵守環保和人權規範一樣，AI產業也必須建立起對「數據供應鏈」的道德要求。不能再對數據的「血汗來源」視而不見。
結論：別讓AI的未來建立在勞動剝削之上
AI的發展潛力無窮，但如果它的地基是建立在全球化的數位剝削之上，那麼無論技術多麼先進，都將是一個道德上的失敗。Meta與Scale AI的合併案是一個警鐘，也是一個機會——讓我們能重新審視AI產業的價值鏈，確保技術的每一次進步，都能真正帶來人的尊嚴與解放，而不是製造出新時代的不對等奴役。
copyright © PrivacyUX consulting ltd. All right reserved.
關於本刊作者
Gainshin Hsiao 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。
Agentic UX 理論建構與實踐
AI 隱私保護設計準則
負責任 AI 體驗設計
在 Cyphant Group 設計研究院負責人任內（2021-2023），他探索了 AI 系統隱私保護準則，為行業標準做出貢獻。更早於 2015 至 2018 年，帶領阿里巴巴集團數位營銷平台體驗設計團隊（杭州、北京、上海、廣州）、淘寶用戶研究中心並創立設計大學，從零開始負責大學的運營與發展，不僅規劃了全面的課程體系，更確立了創新設計教育理念，旨在為阿里巴巴集團培育具備前瞻視野與實戰能力的設計人才。其課程體系涵蓋使用者中心設計、使用者體驗研究、數據驅動設計、生成設計等多個面向應用。
活躍於國際設計社群，在全球分享 Agentic UX 和 AI 隱私保護的創新理念。他的工作為建立更負責任的 AI 生態系統提供了重要的理論基礎和實踐指導。
學術背景
Mcgill - Infomation study/HCI -Agentic UX, Canada
Aalto Executive MBA-策略品牌與服務設計, Singapore
台灣科技大學：資訊設計碩士- HCI, Taiwan
中原大學：商業設計學士- Media and marketing design, Taiwan