Az AI-modellek nem maguktól tanulnak meg jól válaszolni. A háttérben emberek tízezrei dolgoznak: szoftvermérnökök, orvosok, ápolók, pénzügyi elemzők, nyelvészek, akik értékelik, javítják, finomhangolják a modellek adatait/kimeneteit. Ez ma az egyik leggyorsabban növekvő gig-kategória az Egyesült Államokban, és néhány milliárd dolláros startup már fel is építette köré a saját piacterét. 

Itt jön képbe a karrieróriás. A különbség az, hogy a LinkedIn a már több mint egymilliárd tagjával, az Economic Graph adatvagyonával és a Microsoft-OpenAI tengellyel a háta mögött száll be egy olyan piacra, amelyet 2028-ra 6,5 milliárd dollárosra becsülnek…

 A LinkedIn jelenleg egy „AI labor marketplace” korai tesztjét futtatja, ahol óránként akár 150 dollárért lehet AI-modelleket tanítani. Több mint tucatnyi nyilvános álláshirdetést adtak fel: senior szoftvermérnök AI-tréner óránként 150 dollárig, pénzügyi és Excel-szakértő 100 dollárig, ápoló hasonló sávban, germán és skandináv nyelvészek szintén 100 dollárig, „red teamerek” — akik az AI-rendszerek határait feszegetik — 40-50 dollárért.

Új munkalehetőségek vagy az utolsó bőr a szaktudással rendelkező munkavállalói rétegről?

Miért most, és miért éppen a LinkedIn?

A felszínen ez egy újabb gig-marketplace. De, hát azt mondják, hogy addig nyújtózkodj, amíg a takaród ér, és a LinkedIn-nek bőven elér idáig is, így stratégiailag belefér nekik.

• Miért? Egy szó: adatvagyon. A LinkedIn Economic Graph több mint egymilliárd profilból és 41 ezer készségből plusz milliárdos cégadatból épül fel (gyakorlatilag egy real-time munkaerőpiaci térkép). Senki más nem tud ehhez hasonló mélységgel domain-szakértőt és AI-projektet összeilleszteni: ha az OpenAI-nak kardiológiai ismereteket kell betanítania a modelljébe, a LinkedIn majdnem pontosan tudja, ki az a 2400 amerikai kardiológus, aki éppen megfelelő lehet.
• Másodszor a Microsoft-OpenAI tengely. A LinkedIn Microsoft-tulajdon, az OpenAI-jal pedig mély infrastrukturális kapcsolat áll fenn. A kompetitoroknak el kell adniuk magukat az AI-laboroknak. A LinkedIn-nek házon belül vannak ügyfelei.
• Hároméves stratégiai ív. 2023-ban OpenAI-alapú generatív funkciók kerültek a Recruiter, Sales Navigator és Marketing Solutions termékekbe. 2024 októberében jött a Hiring Assistant, az első LinkedIn AI-ügynök, amely az állítások szerint a teljes pre-offer recruiter-munka 80%-át képes automatizálni (így a felhasználó toborzók 81%-kal kevesebb profilt néznek át, és 66%-kal magasabb az InMail-elfogadási arányuk). Tavaly indult az AI Coach a LinkedIn Learningen, és bővült a Microsofttal közös 150+ AI-tanúsítvány.

Ha eddig az AI-t használták arra, hogy karriert építsenek, most a karriert csatornázzák be az AI fejlesztésébe.

A piac, ahova belépnek

A versenytársak nem picik, viszont inkább diszruptoroknak lehetne mondani őket, nem erősen beágyazott konkurenciának. 

A Mercor egy 2023-ban induló San Franciscó-i startup, amely AI-laborokat – OpenAI, Anthropic, Meta, Google, Amazon, Nvidia – köt össze szakértőkkel: orvosokkal, jogászokkal, tudósokkal, szoftverfejlesztőkkel, akik a modellek válaszait értékelik, javítják, finomhangolják.

A Surge AI és a Scale AI ugyanennek a piacnak az úttörői, csak nagyobb léptékben és tömegesebb feladatokra: címkézés, adatmegjelölés, instrukciókövető példák ezreinek gyártása. 

Ez a „human-in-the-loop” tréning ma az AI-modellek minőségi versenyének egyik leglényegesebb alapanyaga. Nem véletlenül nőttek a számok ennyire látványosan.

A Mercor tavaly októberben ötszörözte meg az értékelését nyolc hónap alatt, és most 10 milliárd dolláron áll, 450 millió dolláros éves bevételi futamidővel. Naponta 1,5 millió dollárt fizet ki több mint 30 ezer szakértőjének, akik átlagosan 85 dollárt keresnek óránként. A Surge AI 24 milliárdos értékelésen áll. 

A számok mögött az a valós üzlet, hogy ha az OpenAI-nak holnap egy jobb kódoló modellre van szüksége, akkor néhány héten belül kell több ezer senior fejlesztő, aki kódbázisokat ellenőriz és értékel. És, hát valakinek meg kell szerveznie őket…

Azonban, mint majdnem minden AI területen, jócskán vannak biztonsági kérdések. A Scale AI tavaly több száz Google Docsban hagyta nyitva a kontraktorai és ügyfelei bizalmas adatait. A Mercor áprilisban súlyos adatszivárgáson esett át egy supply-chain támadáshoz köthetően, aminek nyomán egyetlen hét alatt öt csoportos pert indítottak ellenük. Látszik tehát, hogy ezek a startupok gyorsabban nőttek, mint amennyire a folyamataik bírták. A LinkedIn időzítése pont erre a sebezhetőségre felel: ismert márka, vállalati szintű compliance, GDPR-tapasztalat, és olyan felhasználói bázis, amit nem kell külön toborozni, csak rákapcsolni.

És akkor mi van a munkahelyekkel?

Miközben a LinkedIn aktívan építi azt a piacot, ahol emberek tanítják az AI-t, a saját Economic Graph adatai alapján az AI eddig nem okozott kimutatható foglalkoztatás-visszaesést. Legalábbis ez az, amit Blake Lawit, a LinkedIn jogi és közügyi vezetője a Semafor World Economy summitján mondott el: a hiring 2022 óta nagyjából 20%-kal csökkent, de ezt náluk nem az AI magyarázza, hanem a kamatemelési ciklus. Még azokon a területeken sem látnak rendkívüli visszaesést, ahol mindenki AI-hatást vár – ügyfélszolgálat, adminisztráció, marketing – és a frissdiplomások első munkába lépése sem szakad le jobban, mint az érettebb karrierszakaszoké. Az átlagos munkához szükséges készségek 25%-a viszont már megváltozott, 2030-ra ez a szám 70%-ra tornázhat fel. Vagyis nem feltétlenül az állások számára van hatással, de azok átírására! És pont ezért lesz kulcskategória, hogy ki tudja „betanítani” az AI-t a saját szakmájában…

Mikre gondolunk itt? Erről írtunk: Oktatási kultúra, specialista szemlélet – 30 készség, ami számít

Lózungok helyett

Az AI-tanítás egy új gig-kategória, amely a klasszikus szakértői munkára épül. Szakértők optimalizálnak adatokat, amiből az “AI” tanul, hogy aztán maga az “AI” legyen a szakértő… ehhez itt hagyok egy részletet egy másik cikkünkből:

„Ha a munkádnak egy olyan része automatizálódik, amihez valójában nem kellett igazi szakértelem, az nagyszerű dolog”. Hiszen több időd marad arra, ami valóban értékes. Ahol az automatizálás az alacsony szakértelmi részt viszi el, a megmaradók bére még emelkedni is szokott, mert kevesebben vannak, és többet csinálnak abból, ami pótolhatatlanná teszi őket. A veszély az ellenkező eset: amikor az AI a szakértői magot szippantja el. Onnantól az egész szakma identitása kiürül, a bérek pedig lefelé indulnak…

Hova illeszkedik be a LinkedIn irányzata? A senior fejlesztő, a tapasztalt ápoló, a pénzügyi analitikus, a nyelvész – akik eddig is fenntartottak egy LinkedIn-profilt – most egy olyan második bevételi csatornához férhetnek hozzá, amely közvetlenül a legnagyobb tech-ügyfelekkel köti össze őket. A germán és skandináv nyelvi pozíciók megjelenése jelzi, hogy idő kérdése, mikor érkezik a kisebb részletekben képviselt kelet-európai (szláv, balti) nyelvi vagy iparági specializáció. 

Számunkra ez nem azonnali ugrás, sőt lehet nem is lesz az, de ha az AI-t le is hántjuk a sztoriról a LinkedIn erőforrás kihasználása és pozicionálása még tartogathat nekünk is tanulságokat.

Olvasnál még a témában?

• Miért nem elég csak dolgozni? – 4 képesség, ami igazán számít
• PwC: Ötéves mélyponton a vezérigazgatók bevételi várakozása
• A legkeresettebb készségek 2025-ben – LinkedIn “skill boom”
• Aki mindenhez ért, az igazából semmihez sem? Specialisták vs polihisztorok

Forrás:
Business Insider, TechCrunch, CNBC

Fotó:
Flow, Canva