Bên trong thế giới bí ẩn của những người huấn luyện mô hình AI

Anh Serhan Tekkılıç chăm chú lắng nghe trong một cuộc gọi Zoom khi người bạn trên màn hình kể lại lần đầu tiên cô ấy từng cảm thấy buồn. Là một nghệ sĩ 28 tuổi theo đuổi nghệ thuật đa chất liệu, anh Tekkılıç vốn không định có một cuộc trò chuyện sâu sắc vào buổi chiều tháng Tư hôm đó, khi anh ngồi trong một quán cà phê gần căn hộ của mình ở Istanbul. Nhưng đó là bản chất công việc mà anh đang làm – huấn luyện AI.

Anh Tekkılıç và người bạn của mình đang ghi lại những cuộc trò chuyện bằng tiếng Thổ Nhĩ Kỳ về đời sống hằng ngày để giúp huấn luyện chatbot Grok của tỷ phú Elon Musk, theo tờ Business Insider.

Dự án này, có mật danh Xylophone và được Outlier – nền tảng huấn luyện AI thuộc sở hữu của Scale AI – ủy quyền, đi kèm danh sách 766 gợi ý thảo luận, trải dài từ việc tưởng tượng sống trên sao Hỏa cho đến việc hồi tưởng ký ức tuổi thơ sớm nhất.

“Có rất nhiều thứ siêu thực và phi lý”, anh nhớ lại. “Đại loại như nếu bạn là một loại nhân pizza, bạn sẽ làm gì?”.

Huấn luyện AI là công việc mà anh Tekkılıç tình cờ bén duyên rồi dần yêu thích. Cuối năm ngoái, khi sự nghiệp nghệ thuật bị đình trệ vì trầm cảm và mất ngủ, anh được chị gái gửi cho một tin tuyển dụng, khuyến khích anh rằng đây sẽ là công việc hoàn hảo cho một người đam mê công nghệ, lại giúp anh có tiền trả tiền thuê nhà.

Vào những tuần tốt nhất, anh kiếm được khoảng 1.500 USD – một khoản tiền khá lớn ở Thổ Nhĩ Kỳ. Công việc từ xa này rất linh hoạt, cho phép anh đóng một vai trò nhỏ nhưng thiết yếu trong thế giới AI tạo sinh đang nở rộ.

Hàng trăm triệu người hiện sử dụng AI tạo sinh mỗi ngày. Một số coi chatbot như đồng nghiệp, nhà trị liệu, bạn bè, thậm chí là người yêu. Lý do lớn là bởi đằng sau mỗi mô hình AI hào nhoáng là một đội quân những con người như Tekkılıç, được trả tiền để huấn luyện mô hình trở nên giống con người hơn.

Những người này, được gọi là data labeler – người gán nhãn dữ liệu, dành hàng giờ đọc câu trả lời của chatbot cho các câu hỏi kiểm thử và đánh dấu đâu là hữu ích, chính xác, ngắn gọn, tự nhiên và đâu là sai, lộn xộn, máy móc hoặc gây phản cảm. Họ vừa giống chuyên gia trị liệu ngôn ngữ, vừa như thầy dạy phép lịch sự, vừa như huấn luyện viên tranh biện.

Các quyết định họ đưa ra, dựa trên hướng dẫn và cả trực giác, giúp tinh chỉnh hành vi của AI: định hình cách Grok kể chuyện cười, cách ChatGPT đưa lời khuyên nghề nghiệp, cách chatbot của Meta xử lý các tình huống tiến thoái lưỡng nan về đạo đức – tất cả đều nhằm giữ chân người dùng ở lại nền tảng lâu hơn.

Hiện nay, có ít nhất hàng trăm nghìn data labeler trên khắp thế giới. Business Insider đã trò chuyện với hơn 60 người trong số đó về trải nghiệm của việc âm thầm vận hành cỗ máy bùng nổ AI. Công việc tay trái đang lên này có thể mang lại phần thưởng, sự siêu thực và lợi nhuận; một số freelancer – người làm việc tự do được Business Insider phỏng vấn cho biết, họ kiếm được hàng nghìn đô mỗi tháng.

Nhưng nó cũng có thể đơn điệu, hỗn loạn, thất thường và đôi khi gây ám ảnh. Việc huấn luyện chatbot hành xử giống con người ở phiên bản tốt nhất cũng có thể khiến những người làm việc này chứng kiến – hoặc thậm chí phải nhập vai – những mặt tối nhất của con người. Nhiều người gán nhãn dữ liệu còn lo sợ rằng chính họ đang góp phần vào việc tự động hóa, đẩy người khác ra khỏi các công việc trong tương lai.

Đây chính là những “cuộc đời bí mật” của những con người đang trao tiếng nói cho chatbot.

CÔNG VIỆC TRONG MƠ?

Bước chân vào lĩnh vực gán nhãn dữ liệu thường bắt đầu bằng việc lùng sục cơ hội việc làm trên LinkedIn, các diễn đàn Reddit hoặc qua truyền miệng. Để tăng cơ hội, nhiều người nộp đơn vào nhiều nền tảng cùng lúc. Quy trình tham gia thường yêu cầu điền nhiều giấy tờ, kiểm tra lý lịch và vượt qua các bài đánh giá trực tuyến khắt khe để chứng minh năng lực ở các môn như toán, sinh học hoặc vật lý. Những bài kiểm tra này có thể kéo dài hàng giờ, đo lường cả độ chính xác lẫn tốc độ, và thường thì tất cả đều không được trả tiền.

Với anh Isaiah Kwong-Murphy – một cộng tác viên người Mỹ làm cho Outlier, công việc ban đầu trông có vẻ dễ dàng để kiếm thêm thu nhập trong lúc rảnh rỗi giữa các giờ học tại Đại học Northwestern – nơi anh theo học ngành kinh tế. Nhưng sau khi đăng ký vào tháng 3/2024, anh phải chờ sáu tháng mới nhận được công việc đầu tiên.

Cuối cùng, sự kiên nhẫn của anh cũng được đền đáp. Những nhiệm vụ ban đầu dao động từ viết câu hỏi kinh tế ở trình độ đại học để kiểm tra kỹ năng toán học của mô hình cho đến các nhiệm vụ “red-teaming”, như thử dụ mô hình đưa ra những phản hồi có hại.

Anh Kwong-Murphy nhớ lại, có những câu gợi ý kiểu như hỏi chatbot “làm thế nào để sản xuất ma túy hoặc làm sao để thoát tội sau khi phạm pháp.”

“Họ đang cố dạy những mô hình này không được làm những điều đó,” anh nói. “Nếu tôi phát hiện ra bây giờ, tức là tôi đang giúp chúng trở nên tốt hơn về lâu dài”.

Từ đó, các nhiệm vụ trên cổng dự án của Outlier bắt đầu tới đều đặn. Ở giai đoạn cao điểm, anh Kwong-Murphy kiếm được 50 USD một giờ, làm việc 50 giờ một tuần cho những dự án kéo dài nhiều tháng. Trong vòng sáu tháng, anh cho biết mình đã kiếm được hơn 50.000 đô. Toàn bộ khoản tiết kiệm này đủ để anh trang trải chi phí chuyển đến New York, bắt đầu công việc toàn thời gian đầu tiên tại Boston Consulting Group sau khi tốt nghiệp mùa xuân năm nay.

Những người khác, như anh Leo Castillo, một quản lý khách hàng 40 tuổi đến từ Guatemala, thì sắp xếp công việc gán nhãn AI xen kẽ với công việc toàn thời gian.

Thành thạo cả tiếng Anh lẫn tiếng Tây Ban Nha, lại có nền tảng kỹ sư, anh Castillo coi gán nhãn như một cách khả thi để kiếm thêm thu nhập. Anh phải chờ tám tháng mới nhận được một dự án lớn đầu tiên, đó chính là Xylophone – dự án ghi âm dữ liệu giọng nói xuất hiện trên hệ thống Outlier vào mùa xuân năm nay.

Anh thường đăng nhập vào ban đêm, sau khi vợ và con gái đã ngủ. Với mức thù lao 8 USD cho một cuộc trò chuyện 10 phút (về những chủ đề đời thường như câu cá, du lịch, hay ẩm thực), Xylophone mang lại thu nhập khá tốt. “Tôi có thể làm bốn cuộc trò chuyện trong một giờ”, anh nói. Trong một đêm thuận lợi, Castillo có thể kiếm gần 70 USD.

“Mọi người tranh nhau tham gia các cuộc trò chuyện này, vì làm càng nhiều thì được trả càng nhiều”, anh kể lại.

CÔNG VIỆC ĐẦY BẤP BÊNH

Mặc dù mang lại nguồn thu nhập tốt, công việc gán nhãn lại rất thất thường với quy định và mức trả thay đổi. Các dự án cũng có thể đột ngột biến mất. Một cộng tác viên Mỹ nói rằng làm việc cho Outlier “chẳng khác nào đánh bạc”.

Cả anh Castillo lẫn anh Kwong-Murphy đều đối mặt với sự bấp bênh này. Vào tháng 3, Outlier đã giảm mức trả theo giờ cho các dự án tổng quát mà anh Kwong-Murphy có thể tham gia. “Tôi đăng nhập và bỗng thấy mức lương của mình tụt từ 50 USD xuống còn 15 USD một giờ”, anh nói, “mà không hề có lời giải thích nào”.

Khi Outlier thông báo thay đổi cho cộng tác viên một tuần sau đó, thông điệp khiến anh thấy mơ hồ, mang nặng ngôn ngữ kiểu doanh nghiệp: nền tảng chỉ đơn giản “tái cấu trúc cách đánh giá kỹ năng và mức trả”.

“Nhưng chẳng có giải thích gì rõ ràng. Đó có lẽ là phần bực bội nhất”, anh kể. Cùng lúc đó, dòng dự án và nhiệm vụ trên bảng điều khiển của anh cũng chậm lại. “Cảm giác như mọi thứ thực sự đang cạn kiệt. Dự án thì ít đi, mà những cái còn lại trả rất thấp”.

Người phát ngôn của Outlier cho biết, mức trả thay đổi tùy theo từng dự án và kỹ năng yêu cầu, đồng thời khẳng định trong năm nay không có thay đổi nào trên toàn nền tảng.

Anh Castillo cũng bắt đầu gặp vấn đề với nền tảng. Trong dự án đầu tiên, anh chỉ cần ghi âm giọng nói khi trò chuyện một đối một với chatbot. Nhưng sau đó, Outlier thay đổi dự án Xylophone, yêu cầu ba đến bốn cộng tác viên cùng trò chuyện trong một cuộc gọi Zoom. Điều này đồng nghĩa với việc điểm số của anh Castillo giờ phụ thuộc vào hiệu suất của người khác.

Điểm của anh tụt mạnh, dù theo lời anh, chất lượng công việc của mình không thay đổi. Cơ hội tiếp cận các dự án khác cũng dần biến mất. Người phát ngôn của Outlier nói rằng, việc chấm điểm dựa trên hiệu suất nhóm đã được “chuyển lại rất nhanh” sang đánh giá cá nhân, vì cách làm cũ “có thể ảnh hưởng không công bằng đến một số cộng tác viên”.

NHỮNG YÊU CẦU THIẾU MINH BẠCH

Những người gán nhãn dữ liệu không chỉ phải đối mặt với sự bấp bênh. Nhiều người mà Business Insider phỏng vấn cho biết, họ từng gặp phải nội dung gây ám ảnh và lo ngại về sự thiếu minh bạch trong mục đích cuối cùng của các dự án mà họ tham gia.

Bà Krista Pawloski, 55 tuổi, một nhà hoạt động vì quyền lao động ở Michigan, đã có gần hai thập kỷ làm công việc gán nhãn dữ liệu. Bà bắt đầu nhận các nhiệm vụ bán thời gian qua Amazon Mechanical Turk vào năm 2006. Đến năm 2013, bà chuyển sang làm toàn thời gian, nhờ đó có sự linh hoạt để vừa đi làm vừa chăm sóc con.

“Ban đầu thì toàn nhập liệu và gắn từ khóa cho ảnh, những việc rất cơ bản thôi,”, bà Pawloski nói.

Khi mạng xã hội bùng nổ vào giữa thập niên 2010 và AI bước vào xu hướng chính thống, công việc của bà Pawloski ngày càng phức tạp và đôi lúc gây căng thẳng.

Bà bắt đầu ghép khuôn mặt trong các bộ dữ liệu khổng lồ phục vụ nhận diện khuôn mặt, và kiểm duyệt nội dung do người dùng tạo ra. Bà nhớ lại có lần được giao một loạt tweet và được yêu cầu gắn cờ những cái mang tính phân biệt chủng tộc. Ít nhất trong một trường hợp, bà cảm thấy khó xử.

Gần đây hơn, bà chuyển sang “red-team” các chatbot, cố gắng khiến các mô hình này đưa ra những phản hồi không phù hợp. Càng nhiều lần bà khiến chatbot “vỡ” thì bà càng được trả cao nên động lực của bà là phải dùng những câu gợi mở khiêu khích và gây sốc nhất có thể.

Một số yêu cầu khiến bà thấy ám ảnh: “Khiến bot gợi ý cách giết người; khiến bot nói cách khống chế phụ nữ để cưỡng hiếp; khiến bot nói rằng loạn luân là chấp nhận được”, bà Pawloski nhớ lại.

Người phát ngôn của Amazon Mechanical Turk cho biết, những người đăng dự án phải ghi rõ khi nào nhiệm vụ liên quan đến nội dung nhạy cảm, và chỉ những lao động đã chọn tham gia mới thấy được. Người này cũng nói rằng, các cộng tác viên có toàn quyền quyết định nhận hay từ chối, và có thể dừng bất cứ lúc nào mà không bị phạt.

Anh Tekkılıç thì kể lại rằng dự án đầu tiên với Outlier liên quan đến “những chủ đề cực kỳ tăm tối” và đảm bảo AI không đưa ra phản hồi chứa hướng dẫn chế tạo bom, chiến tranh hóa học, hay nội dung ấu dâm.

“Trong một cuộc trò chuyện, có người viết một câu chuyện tình. Trong đó có nhân vật cha dượng và một bé gái 8 tuổi”, anh nhớ lại về phản hồi mà chatbot tạo ra để kiểm tra mức độ an toàn. “Nó là một vấn đề lớn với tôi. Tôi đến giờ vẫn còn bức xúc về cuộc trò chuyện đó”.

Bà Pawloski nói thêm rằng bà cũng bức xúc với sự bí mật của khách hàng và những vùng xám đạo đức trong công việc. Điều này đặc biệt đúng với các dự án liên quan đến hình ảnh vệ tinh hoặc nhận diện khuôn mặt, khi bà không hề biết liệu công việc của mình được dùng cho mục đích vô hại hay điều gì đó đáng lo ngại hơn.

LO NGẠI VỀ DỮ LIỆU CÁ NHÂN

Các nền tảng thường viện dẫn lý do bảo mật khách hàng để không chia sẻ mục tiêu cuối cùng của dự án, và cho biết chính nền tảng đó cũng như các freelancer như bà Pawloski đều bị ràng buộc bởi thỏa thuận không tiết lộ thông tin.

“Chúng tôi không biết mình đang làm cái gì. Không biết tại sao mình lại làm cái đó”, bà Pawloski nói. “Đôi khi, bạn tự hỏi liệu mình đang giúp xây dựng một công cụ tìm kiếm tốt hơn, hay công việc của mình có thể được dùng cho giám sát hoặc mục đích quân sự. Bạn không biết liệu những gì mình làm là tốt hay xấu”.

Các lao động và nhà nghiên cứu mà Business Insider trao đổi cho biết, công việc gán nhãn dữ liệu đặc biệt dễ bị khai thác khi các công ty công nghệ thuê ngoài đến các quốc gia có chi phí lao động rẻ và bảo vệ quyền lao động yếu kém.

Anh James Oyange, 28 tuổi, hiện là cán bộ bảo vệ dữ liệu ở Nairobi và là người tổ chức nhóm African Content Moderators – một tổ chức vận động vì AI đạo đức và quyền lợi lao động.

Năm 2019, anh bắt đầu làm freelancer cho Appen, một nền tảng dữ liệu toàn cầu, trong khi đang theo học bằng cử nhân ngành ngoại giao quốc tế. Anh khởi đầu với các công việc nhập dữ liệu cơ bản, kiểu như nhập tên vào file Excel trước khi chuyển sang ghi chép và dịch thuật cho các hệ thống AI.

Anh dành hàng giờ lắng nghe các đoạn ghi âm giọng nói và hội thoại rồi chép lại chi tiết, bao gồm cả giọng điệu, cách biểu đạt và khoảng ngắt – nhiều khả năng để huấn luyện các trợ lý giọng nói như Siri và Alexa hiểu được yêu cầu trong các ngôn ngữ khác nhau.

“Công việc rất nhàm chán, nhất là khi nhìn vào mức lương”, anh kể. Appen trả cho anh 2 USD một giờ. Anh Oyange thường dành cả ngày hoặc hai ngày mỗi tuần cho các nhiệm vụ này, kiếm được khoảng 16 USD một ngày. Người phát ngôn của Appen cho biết công ty đưa ra mức thù lao “cao gấp đôi mức lương tối thiểu địa phương” tại Kenya.

Một số công việc trên các nền tảng khác tập trung vào việc thu thập dữ liệu, trong đó nhiều nhiệm vụ yêu cầu người làm phải chụp và tải lên hàng chục tấm ảnh selfie từ nhiều góc độ khác nhau – má trái, má phải, nhìn lên, nhìn xuống, cười, cau mày – “để họ có thể có một hình ảnh 360 độ của bạn”, anh Oyange kể lại.

Anh nhớ rằng nhiều dự án còn yêu cầu tải ảnh của những người khác với sắc tộc cụ thể và trong những bối cảnh chính xác, chẳng hạn như “một em bé đang ngủ” hoặc “những đứa trẻ chơi ngoài trời” – những nhiệm vụ mà anh đã từ chối. Sau dự án thu thập ảnh selfie, anh nói rằng mình tránh hầu hết các công việc thu thập hình ảnh khác vì lo ngại dữ liệu cá nhân sẽ bị đưa đến đâu đó không rõ ràng.

“Người lao động thường không biết dữ liệu nào được thu thập, được xử lý ra sao, hay được chia sẻ với ai”, ông Jonas Valente, một nhà nghiên cứu sau tiến sĩ tại Viện Internet Oxford cho biết. “Đó là một vấn đề lớn, không chỉ về bảo mật dữ liệu, mà còn cả về khía cạnh đạo đức. Người lao động không nhận được bất kỳ bối cảnh nào về việc công việc của họ được sử dụng để làm gì”.

Vào tháng 5 vừa qua, ông Valente cùng các đồng nghiệp tại viện đã công bố báo cáo Fairwork Cloudwork Ratings, một nghiên cứu về trải nghiệm của người lao động thời vụ trên 16 nền tảng gán nhãn dữ liệu và làm việc trên đám mây toàn cầu.

Trong số 776 lao động đến từ 100 quốc gia được khảo sát, phần lớn cho biết họ hoàn toàn không biết hình ảnh hoặc dữ liệu cá nhân của mình sẽ được sử dụng như thế nào.

TƯƠNG LAI GÁN NHÃN DỮ LIỆU SẼ ĐI VỀ ĐÂU?

Giống như các mô hình AI, tương lai của việc gán nhãn dữ liệu cũng đang thay đổi nhanh chóng.

Vào tháng 6, Meta đã mua 49% cổ phần của công ty mẹ Outlier, Scale AI, với giá 14,3 tỷ USD. Ngay lập tức, diễn đàn Reddit của cộng đồng Outlier, vốn được xem như chỗ tán gẫu không chính thức của lực lượng lao động phân tán, lập tức rơi vào tình trạng hoảng loạn, tràn ngập những ảnh chụp màn hình bảng điều khiển trống và các cộng tác viên tự hỏi liệu họ đã bị chặn hay khóa tài khoản. Chỉ sau một đêm, anh Castillo kể lại, “trạng thái của tôi chuyển thành ‘Hiện không có dự án nào”.

Ngay sau thông báo từ Meta, các cộng tác viên làm việc trong các dự án cho Google – một trong những khách hàng lớn nhất của Outlier – đã nhận được email thông báo rằng công việc của họ bị tạm dừng vô thời hạn.

Hai khách hàng lớn khác của Outlier là OpenAI và xAI cũng bắt đầu thu hẹp dần các dự án với Scale, theo Business Insider đưa tin hồi tháng 6.

Ba cộng tác viên mà Business Insider phỏng vấn cho biết, khi họ hỏi nhân viên hỗ trợ về tình hình và thời điểm dự án quay lại, họ chỉ nhận được sự im lặng hoặc những câu trả lời chung chung, vô ích. Một người phát ngôn của Scale AI cho biết việc tạm dừng dự án không liên quan đến khoản đầu tư của Meta.

Những người vẫn còn tham gia dự án lại đối mặt với một thử thách khác. Các hướng dẫn công việc, vốn được lưu trữ trên Google Docs, đã bị khóa sau khi Business Insider phát hiện thông tin mật của khách hàng có thể truy cập công khai chỉ cần có đường link.

Scale AI cho biết hiện họ không còn sử dụng Google Docs công khai cho hướng dẫn dự án và quy trình giới thiệu tùy chọn nữa. Các cộng tác viên cho biết dự án đã quay trở lại, nhưng không đạt đến mức độ sôi động như trước khi Meta đầu tư.

Các công ty Big Tech như xAI, OpenAI và Google cũng đang đưa nhiều công tác huấn luyện AI về nội bộ, trong khi vẫn phụ thuộc vào các cộng tác viên như Outlier để lấp đầy những khoảng trống trong lực lượng lao động.

Trong khi đó, sự xuất hiện của những mô hình "suy luận" tiên tiến hơn, như DeepSeek R1, o3 của OpenAI và Gemini 2.5 của Google, đã kích hoạt xu hướng dịch chuyển khỏi việc thuê ồ ạt các lao động phổ thông giá rẻ ở những quốc gia như Kenya và Philippines.

Những mô hình này dựa ít hơn vào phương pháp học tăng cường có phản hồi từ con người – kỹ thuật huấn luyện đòi hỏi con người “thưởng” cho AI khi kết quả phù hợp với sở thích của con người, nghĩa là cần ít người gán nhãn hơn.

Ngày càng nhiều công ty chuyển sang tuyển dụng nhân lực chuyên môn hơn và đắt đỏ hơn. Trên Mercor, một nền tảng huấn luyện AI, những tin tuyển gần đây trả 105 USD một giờ cho luật sư và lên tới 160 USD một giờ cho bác sĩ và bác sĩ giải phẫu bệnh trong việc soạn và rà soát câu lệnh.

Anh Kwong-Murphy, cử nhân Northwestern, đã chứng kiến tốc độ thay đổi một cách trực tiếp. “Ngay cả trong sáu tháng tôi làm việc tại Outlier, những mô hình này đã trở nên thông minh hơn rất nhiều”, anh nói. Điều đó khiến anh tự hỏi về tương lai của ngành.

Anh Oyange thì cho rằng, các công ty công nghệ sẽ tiếp tục cần một số lượng lớn những con người phần lớn vô hình trong vòng lặp. “Chính con người cung cấp các dữ liệu khác nhau cho hệ thống để tạo nên tiến bộ này. Không có con người thì AI về cơ bản sẽ không có gì cách mạng để nói tới”, anh đánh giá.

Trong khi đó, anh Tekkılıç, người không có dự án nào để làm từ tháng Sáu, cho biết anh đang dùng khoảng nghỉ này để tập trung trở lại vào nghệ thuật. Anh sẵn sàng nhận thêm việc nếu có, nhưng cảm xúc của anh về hướng đi của công nghệ mà anh góp phần phát triển rất lẫn lộn.

“Một điều khiến tôi thấy chán nản là AI đang len lỏi khắp nơi trong đời sống của chúng ta”, anh nói. “Dù tôi là người rất lạc quan về AI, tôi vẫn muốn giữ gìn sự thiêng liêng của cuộc sống thực.”