Az AI-ipar egyik legkényesebb paradoxona most a felszínre tört: nagyvállalatok és startupok tömegesen alkalmaznak ügyvédeket, orvosokat, mérnököket és más szakembereket arra, hogy az AI-modelleket a saját szaktudásukkal „etetessék". A folyamat neve data labeling vagy RLHF – és bár jól fizet, a résztvevők tudatosan saját jövőbeli versenytársukat képzik ki.
A jelenség nem marginális: egyes becslések szerint globálisan több százezer ember vesz részt ilyen projektekben, sokszor szabadúszóként vagy részmunkaidőben. A feladat látszólag ártalmatlan – szövegeket értékelnek, válaszokat javítanak, hibákat jelölnek meg. Valójában azonban az emberi szakértelem szisztematikus átörökítése zajlik a gépi rendszerekbe. Azok a startupok, amelyek ma milliárdokat érnek, holnap pontosan azokat a munkákat automatizálják, amelyeket az adatcímkézők ma végeznek.
HR-szemszögből ez az egyik legégetőbb tehetségmenedzsment-dilemma. A munkavállalók nem mindig látják át, hogy rövid távú jövedelemért hosszú távú karrierkockázatot vállalnak. A felelős munkáltatói magatartás azt követeli meg, hogy a szervezetek átlátható legyen a szerepkörök jövőjéről – és aktívan fektessenek be olyan képzésekbe, amelyek valóban fenntartható karrierutat kínálnak az AI-korszakban.
