Den skjulte gigøkonomi, der træner menneskelignende robotter

Tusindvis af løst ansatte arbejdere i over 50 lande bliver betalt for at spænde hovedmonterede kameraer – ofte iPhones – og bevægelsessporingshandsker på kroppen for at optage sig selv, mens de udfører rutinemæssige huslige pligter som at folde tøj, vaske op, lave mad og gøre rent . Dette "egocentriske video"-materiale sælges til robotvirksomheder – herunder Tesla, Figure AI, Scale AI og Agility Robotics – og driver et marked for træningsdata, der nu er vurderet til over 100 millioner dollars årligt .

Mellemmænd som Micro1 (Palo Alto) og Objectways har rekrutteret disse arbejdere i stor stil. Alene Micro1 har omkring 4.000 løst ansatte i 71 lande, der hver måned indsender over 160.000 timers video . Optagelserne kommer ikke fra højteknologiske laboratorier, men fra beskedne hjem, hostels og lejede værelser i lande som Indien, Nigeria, Argentina, Kenya, Filippinerne og Brasilien .

Hvad er egocentrisk videodata, og hvorfor er det vigtigt?

I modsætning til den tekst eller de statiske billeder, der bruges til at træne store sprogmodeller, har menneskelignende robotter brug for kontinuerlige førstepersonsoptagelser af virkelige menneskelige bevægelser for at lære at gribe genstande, navigere i køkkener, folde skjorter og skure tallerkener . Dette kaldes egocentrisk data – video optaget fra den persons perspektiv, der udfører handlingen. Kameraet er monteret på hovedet og peger ned mod hænderne, så AI'en kan lære de præcise vinkler, grebstryk og timing for hver bevægelse .

Virksomheder betaler arbejdere for at spænde en iPhone fast på panden og udføre opgaver i sessioner, der varer ti minutter ad gangen. Videoen uploades derefter, og både menneskelige og AI-anmærkere annoterer den billede for billede og markerer nøgleøjeblikke som håndgreb, frigivelse af genstande og opgavens afslutning .

Omfanget er svimlende: Figure AI fremstillede alene cirka 150 menneskelignende robotter i april 2026, oppe fra encifrede antal måneder tidligere, og har brug for milliarder af timers virkelige bevægelsesdata for at træne dem .

Ekstreme lønforskelle på tværs af lande

Kompensationen for dette arbejde varierer dramatisk afhængigt af placering og afslører en skarp global lønforskel:

• Nigeria: Arbejdere kan tjene omkring 15 dollars i timen – en stærk lokal løn i en presset økonomi . Zeus, en nigeriansk medicinstuderende og Micro1-kontraktansat, beskriver lønnen som meningsfuld i et land med høj arbejdsløshed .
• Indien: Rapporterede satser varierer fra ~2,00–2,60 dollars i timen (cirka 150–250 rupier), en brøkdel af den nigerianske sats . Nagireddy Sriramyachandra, en 25-årig hjemmegående i Chennai, tjener lidt over 2 dollars i timen for at optage sig selv, mens hun skærer mango .
• USA (Los Angeles): Nogle lokale hold får 80 dollars for to timer (40 dollars i timen) . Salvador Arciga, en erfaren LA-gig-arbejder, tjente det beløb for optagelser af sig selv, mens han vaskede op og skurede toiletter .
• Human Archive (Indien): En startup betalte arbejdere så lidt som 1 dollar i timen for data fra kameramonterede headset .

Micro1's grundlægger Ali Ansari fortalte Los Angeles Times, at virksomheden indsamler data i Brasilien, Argentina, Indien og USA . Objectways-grundlægger Ravishankar Rajalingam fortalte CNN, at cirka halvdelen af det indsendte materiale er ubrugeligt .

Arbejdere mangler informeret samtykke og viden om brug af optagelser

Et tilbagevendende fund på tværs af flere undersøgelser er, at arbejdere har ringe eller ingen idé om, hvordan deres optagelser vil blive brugt, hvem der i sidste ende vil købe dem, eller at de træner de menneskelignende robotter, der en dag kunne erstatte deres egne job .

MIT Technology Reviews undersøgelse fremhævede, at arbejdere modtager en filmguide og en opgaveliste, men sjældent meningsfuld information om de videregående AI-anvendelser . Nogle arbejdere forstod, at optagelserne ville træne robotter, men vidste ikke hvilket firma, hvilken robotmodel eller hvordan deres optagelser ville blive opbevaret eller delt .

Som en indisk fabriksarbejder fortalte The Guardian: "Hvem kommer til at betale os, når vi er erstattet af robotter?" .

Utilisigtet overvågning af familiemedlemmer og private rum

Kameraer spændt fast på arbejdernes hoveder fanger uundgåeligt ægtefæller, børn, andre familiemedlemmer og intime hjemmemiljøer – køkkener, stuer, soveværelser – uden deres udtrykkelige samtykke . Førstepersonsperspektivet er i sagens natur indgribende: Det optager ikke kun opgaven, men hele den visuelle kontekst af en persons private hjem .

Micro1 kræver, at arbejdere ikke viser deres ansigter, ikke siger deres navne eller telefonnumre, og hævder at bruge AI plus menneskelige anmærkere til at filtrere følsomme oplysninger . Men selv med disse forholdsregler fanger optagelserne arbejdernes hjem interiør, personlige ejendele og daglige rutiner . Nogle deltagere nægter at filme i soveværelser, og arbejdsmarkedsaktivister har rejst spørgsmålet om, hvorvidt mennesker, hvis bevægelser er kodet ind i kommercielle datasæt, bør modtage løbende kompensation eller royalties .

Arbejdere træner deres egne efterfølgere

En tilbagevendende følelse blandt arbejdere og kommentatorer: Disse samme optagelser bliver brugt til at træne menneskelignende robotter til fabriks- og husligt arbejde – præcis de job, som mange af disse arbejdere i øjeblikket har . I en beklædningsfabrik i Tamil Nadu folder en arbejder en skjorte med et lille kamera monteret på hovedet, der optager den nøjagtige vinkel på hendes håndled, grebstrykket fra hendes fingre og timingen i millisekunder af hver fold . Disse optagelser flyder ind i datapipelines, der betjener robotlaboratorier forbundet med OpenAI, Nvidia og Google .

Industriens omfang strækker sig langt ud over Micro1 og Objectways. Indien er ved at blive et afgørende knudepunkt i det globale kapløb om at indsamle egocentrisk data, med et voksende økosystem af virksomheder, herunder Humyn AI, FPV Labs, Egodata, Neocambrian, XP Robotics, Scale AI og CynLr, der alle bygger datapipelines til robotvirksomheder .

Regulatoriske og privatlivsrelaterede undersøgelser er undervejs

Indiens ministerium for elektronik og informationsteknologi har indledt en privatlivsundersøgelse af startups (inklusive Human Archive), der optager inde i arbejderes hjem med kameraheadset, med fokus på samtykkepraksis . Gennemgangen blev indledt, efter at hjemmeservice-startuppen Pronto bekræftede, at den havde testet opt-in videooptagelse .

Ingen omfattende global ramme for arbejdsmarkeds- eller databeskyttelse styrer endnu denne grænseoverskridende praksis . Markedet for træningsdata til menneskelignende robotter opererer i en regulatorisk gråzone, der spænder over snesevis af lande med varierende arbejdsmarkedslove og privatlivsbeskyttelse.

Instawork, bedst kendt for at matche timelønnede arbejdere med vagter på hoteller og lagre, lancerede et system kaldet Instacore, der inkluderer fem kameraer monteret på hoved, bryst og håndled, forbundet til en computerrygsæk til otte timers skift med optagelse af opgaver som at hakke grøntsager . Teslas eget glasvæggede laboratorium i Californien har arbejdere i hjelmmonterede kameraer og rygsække, der gentager handlinger hundredvis af gange i løbet af ottetimers skift for at træne Optimus-robotten .

Bundlinjen

Denne praksis ligger i centrum af en tredobbelt spænding: værdifuldt, godt betalt arbejde for nogle (f.eks. 15 dollars i timen i Nigeria) versus lavtlønsarbejde for andre (helt ned til 1–2,60 dollars i timen i Indien); et guldgravermarked for data til menneskelignende robotter versus næsten nul gennemsigtighed om, hvordan optagelserne bruges; og optagelse af intime hjemlige øjeblikke versus svage eller fraværende samtykkeprotokoller. Omfanget er enormt – spænder over 50+ lande – og den regulatoriske reaktion, især i Indien, er lige begyndt.