Den skjulte gig-økonomien som trener humanoide roboter

Tusenvis av kontraktsarbeidere i over 50 land får betalt for å spenne fast kameraer – ofte iPhoner – og bevegelsessporingshansker på kroppen for å filme seg selv mens de utfører rutinemessige huslige oppgaver som å brette klær, vaske opp og lage mat . Dette «egosentriske» videomaterialet selges til robotikkselskaper – inkludert Tesla, Figure AI, Scale AI og Agility Robotics – og driver et treningsdatamarked som nå er verdsatt til over 100 millioner dollar årlig .

Mellomledd som datameklere Micro1 (Palo Alto) og Objectways har rekruttert disse arbeiderne i stor skala. Micro1 alene har omtrent 4 000 kontraktsarbeidere i 71 land som leverer over 160 000 timer med video hver måned . Opptakene kommer ikke fra høyteknologiske laboratorier, men fra beskjedne hjem, vandrerhjem og leide rom i land som India, Nigeria, Argentina, Kenya, Filippinene og Brasil .

Hva er egosentrisk videodata og hvorfor er det viktig?

I motsetning til teksten eller de statiske bildene som brukes til å trene store språkmodeller, trenger humanoide roboter kontinuerlige, førstepersonsopptak av virkelige menneskelige bevegelser for å lære hvordan de skal gripe gjenstander, navigere i kjøkken, brette skjorter og skrubbe tallerkener . Dette kalles egosentriske data – video tatt opp fra perspektivet til personen som utfører handlingen. Kameraet er montert på hodet, rettet ned mot hendene, slik at AI-en kan lære de nøyaktige vinklene, grepstrykkene og timingen for hver bevegelse .

Selskapene betaler arbeidere for å feste en iPhone til pannen og utføre oppgaver i økter som varer i titalls minutter. Videoen lastes deretter opp, og både menneskelige og AI-anmeldere annoterer den bilde for bilde, og markerer nøkkeløyeblikk som håndgrep, objektslipp og fullførte oppgaver .

Omfanget er svimlende: Figure AI produserte alene omtrent 150 humanoide roboter i april 2026, opp fra ensifrede tall måneder tidligere, og trenger milliarder av timer med virkelige bevegelsesdata for å trene dem .

Ekstreme lønnsforskjeller på tvers av land

Kompensasjonen for dette arbeidet varierer dramatisk avhengig av hvor man befinner seg, og avslører en tydelig global lønnsarbitrasje:

• Nigeria: Arbeidere kan tjene rundt 15 dollar timen – en god lokal lønn i en sliter økonomi . Zeus, en nigeriansk medisinstudent og Micro1-kontraktør, beskriver lønnen som meningsfull i et land med høy arbeidsledighet .
• India: Rapporterte satser varierer fra ~2,00–2,60 dollar timen (omtrent 150–250 rupier), en brøkdel av den nigerianske satsen . Nagireddy Sriramyachandra, en 25 år gammel hjemmeværende husmor i Chennai, tjener litt over 2 dollar timen for å filme seg selv mens hun skjærer mango .
• USA (Los Angeles): Noen lokale crew får 80 dollar for to timer (40 dollar timen) . Salvador Arciga, en veteran fra LA-gig-økonomien, tjente det beløpet for opptak av seg selv som vasker opp og skrubber toaletter .
• Human Archive (India): En oppstart betalte arbeidere så lite som 1 dollar timen for data fra kamera-utstyrte hodesett .

Micro1s grunnlegger Ali Ansari fortalte Los Angeles Times at selskapet samler inn data i Brasil, Argentina, India og USA . Objectways-gründer Ravishankar Rajalingam fortalte CNN at omtrent halvparten av den innsendte videoen er ubrukelig .

Arbeidere mangler informert samtykke og kunnskap om bruk av opptak

Et gjennomgående funn i flere undersøkelser er at arbeidere har liten eller ingen anelse om hvordan opptakene deres vil bli brukt, hvem som til slutt vil kjøpe dem, eller at de trener de humanoide robotene som en dag kan erstatte deres egne jobber .

MIT Technology Reviews undersøkelse fremhevet at arbeidere får en filmingsguide og oppgaveliste, men sjelden meningsfull informasjon om nedstrøms AI-applikasjoner . Noen arbeidere forsto at opptakene ville trene roboter, men visste ikke hvilket selskap, hvilken robotmodell, eller hvordan opptakene deres ville bli lagret eller delt .

Som en indisk fabrikkarbeider sa til The Guardian: «Hvem skal betale oss når vi blir erstattet av roboter?» .

Utilsiktet overvåking av familiemedlemmer og private rom

Kameraer festet til arbeidernes hoder fanger uunngåelig ektemenn, barn, andre familiemedlemmer og intime hjemmemiljøer – kjøkken, stuer, soverom – uten deres uttrykkelige samtykke . Førstepersonsperspektivet er i seg selv påtrengende: det registrerer ikke bare oppgaven, men hele den visuelle konteksten av en persons private hjem .

Micro1 krever at arbeidere ikke viser ansiktene sine, ikke sier navnene eller telefonnumrene sine, og hevder å bruke AI pluss menneskelige anmeldere for å filtrere sensitiv informasjon . Men selv med disse sikkerhetstiltakene fanger opptakene arbeidernes hjemmeinteriør, personlige eiendeler og daglige rutiner . Noen deltakere nekter å filme på soverom, og arbeidsaktivister har stilt spørsmålet om personer hvis bevegelser blir kodet inn i kommersielle datasett bør motta løpende kompensasjon eller royalties .

Arbeidere trener sine egne erstattere

En gjentatt følelse blant arbeidere og kommentatorer: disse samme opptakene blir brukt til å trene humanoide roboter for fabrikk- og husarbeid – nettopp de jobbene mange av disse arbeiderne har i dag . I en klesfabrikk i Tamil Nadu bretter en arbeider en skjorte med et lite kamera montert på hodet, som registrerer den nøyaktige vinkelen på håndleddet, grepstrykket i fingrene og millisekundtimingen av hver brett . Det opptaket flyter inn i datapipelines som betjener robotikklaboratorier knyttet til OpenAI, Nvidia og Google .

Omfanget av industrien strekker seg langt utover Micro1 og Objectways. India er i ferd med å bli et avgjørende knutepunkt i det globale kappløpet om å samle inn egosentriske data, med et økende økosystem av firmaer inkludert Humyn AI, FPV Labs, Egodata, Neocambrian, XP Robotics, Scale AI og CynLr som alle bygger datapipelines for robotikkselskaper .

Regulatoriske og personvernetterforskninger er under oppseiling

Indias departement for elektronikk og informasjonsteknologi har startet en personverngransking av oppstarter (inkludert Human Archive) som filmer inne i arbeidernes hjem med kamera-hodesett, med fokus på samtykkepraksis . Gjennomgangen ble åpnet etter at hjemmetjeneste-oppstarten Pronto bekreftet at de hadde testet opt-in videoopptak .

Ingen omfattende global arbeids- eller datapersonvernrammeverk styrer ennå denne grenseoverskridende praksisen . Markedet for treningsdata for humanoide roboter opererer i en regulatorisk gråsone, som spenner over titalls land med varierende arbeidslover og personvernbestemmelser.

Instawork, best kjent for å matche timearbeidere med skift på hoteller og varehus, lanserte et system kalt Instacore som inkluderer fem kameraer montert på hodet, brystet og håndleddene, koblet til en dataryggsekk for åtte timers skift med opptak av oppgaver som å hakke grønnsaker . Teslas eget glassveggede laboratorium i California har arbeidere med hjelmmonterte kameraer og ryggsekker som gjentar handlinger hundrevis av ganger i løpet av åtte timers skift for å trene Optimus-roboten .

Bunnlinjen

Denne praksisen sitter i sentrum av en trippel spenning: verdifullt, godt betalt arbeid for noen (f.eks. 15 dollar timen i Nigeria) versus lønninger på fattigdomsnivå for andre (så lavt som 1–2,60 dollar timen i India); et gullrush-datamarked for humanoid robotikk versus nesten null åpenhet om hvordan opptakene brukes; og fangst av intime husholdningsøyeblikk versus svake eller fraværende samtykkeprotokoller. Omfanget er enormt – spenner over 50+ land – og den regulatoriske responsen, mest merkbart i India, har så vidt begynt.