Page 22 - 《社会》2025年第2期

智能制造甘愿：人工智能训练的劳动组织形式与控制策略

公司有稳定的项目来源。 由于处于 AI 生产链的底层，Y 工厂对 AI 厂商
的外包项目依赖性很强，项目的数量和大小决定了工厂的效益，因此公
司自身争取项目的能力和市场环境也直接影响组织的规模。 为了控制
成本，公司会根据外包项目的情况进行人员的扩充和缩减。 据人事经理
反映，由于对 AI 训练师的技能要求低，所以培训成本也低，加之劳动力
市场供应充足，所以几乎不考虑裁员和招募的成本。“我们一般招大专
和职校的毕业生，也没有专业的要求，基本上招聘广告发出去就有很多
人来求职，供远大于求，不怕招不到人。 所以项目多的时候就拼命招
人，简单培训一两天就能上岗，没有项目为了生存也得辞（退）人。 ”（访
谈资料，Y-3）外包项目的不确定性形塑了压力型的“弹性”雇佣制度。
公司创始人之一回顾了外包项目对组织规模和劳动者的影响：
我们 2018 年刚起步，那时候几乎没有同类的企业，国内很
多互联网大厂和科技公司都把项目委托给我们， 员工人数在
一年内也由最初的 3 个创始人发展到 200 多人。 后来市场突
然萎缩，2019 年下半年开始，我们裁员后只剩下 12 个人。 之后
两 年 随 着 项 目 变 动 人 数 也 在 不 断 波 动 ， 时 多 时 少 。 后 来
ChatGPT 大模型的热度突然高了起来，一窝蜂的国内项目外包
给我们，人数最高时有 500 多人。 今年出现了很多同类的竞争
公司，我们大概又裁员了 100 来号人。 （访谈资料，Y-1）
在同业竞争和项目的不确定性压力之下， 工厂制定了严格的管理
制度监督 AI 训练师的劳动过程，以求利润“在不确定性中获得最大的
确定性”（访谈资料，Y-15）。 在劳动过程监控方面，公司采用“质检+报
工平台”人机结合的监控模式。 不仅在数据训练软件中额外增加了一套
虚拟系统可以随时自动监控 AI 训练师的工作进度，而且建立了以“质
检工”为核心的多层监督体系。 在接到项目任务后，项目组长首先挑选
合适的 AI 训练师组建新的团队以应对项目的定制化需求。 AI 训练师
自下而上分别为普通工、资深工、质检工三个等级。 普通工和资深工是
AI 训练的主 力 军 ，质 检 工负 责 检查 和 评 估 劳动的质 量 ，防 止“敷 衍 摸
鱼”和“偷奸耍滑”（访谈资料，Y-11）。 某受访者表示：“像机器一样时刻
都被盯着，一会儿没有干活或者进度慢了系统就会警告，做的每一个任
务质检都会仔细检查。 ”工作的“有效数量”决定了工资，工人每天的工
作配额经过了严密的计算，在项目开始之前，项目经理召集质检和资深

· 15·