Pod dywanem automatyzacji: niewidzialni ludzie, dzięki którym AI działa

Wyobraźmy sobie panel moderacyjny. Pojawia się zdjęcie; pracownik ma kilka chwil, by zdecydować, która etykieta pasuje. Przemoc? Treść seksualna? Nienawiść? Kontekst zmienia wszystko, ale interfejs woli kratkę. Kolejny element przychodzi, zanim pierwszy zdąży emocjonalnie opuścić pokój.

Daleko stąd prezentacja sprzedażowa opisuje powstały system jako „zautomatyzowane bezpieczeństwo na dużą skalę”. Na slajdzie widnieje gustowna niebieska chmura. W jej wnętrzu nie widać ludzi.

Nie jest to po prostu problem brandingu. Im bardziej przejrzysta staje się opowieść o autonomii, tym łatwiej kupującym zignorować, kto przygotował dane, oceniał model, poprawiał błędy i przyjmował na siebie kontakt z drastycznym materiałem. Sztuczna inteligencja często wygląda jak magiczny dywan, ponieważ kogoś zamieciono pod spód.

Maszyna przychodząca z ukrytą listą płac

Każdy system AI funkcjonuje w łańcuchu ludzkich decyzji i zadań. Badacze wybierają problem. Inżynierowie projektują architekturę. Ludzie zbierają, czyszczą i opisują dane. Inni porównują odpowiedzi, oznaczają niebezpieczne wyniki, testują przypadki graniczne, tłumaczą instrukcje lub moderują materiały przesyłane przez użytkowników. Pracownicy organizacji klienckich naprawiają błędy systemu po wdrożeniu. Sami użytkownicy mogą dostarczać informacji zwrotnej ulepszającej produkt komercyjny.

Część tej pracy jest dobrze opłacana i publicznie uznawana. Inna część zostaje rozbita na zadania, zlecona przez kilka firm i ukryta przed wzrokiem. Termin ghost work zwraca uwagę na ludzką aktywność, która od strony klienta wygląda jak działanie oprogramowania (Gray & Suri, 2019). Duch nie jest wymyślony. Jego niewidzialność została zaprojektowana.

Praca platformowa ułatwia to projektowanie. Złożone zajęcie można podzielić na tysiące pozornie prostych osądów i rozdać pracownikom, którzy mogą nigdy nie poznać końcowego produktu, klienta ani wytworzonej wartości. „Kliknij właściwą etykietę” brzmi jak instrukcja mechaniczna. Trudne przypadki wymagają jednak języka, kultury, wnioskowania i osądu emocjonalnego. Maszyna otrzymuje czystą kategorię; człowiek zatrzymuje niejednoznaczność.

Najnowsze analizy podważają mit autonomii AI, śledząc wkład ludzi w całym cyklu życia systemu (Rani & Williams, 2026). Badania nad „ghostcraftingiem” podobnie skupiają się na sposobach ukrywania pracy, gdy platforma przedstawia inteligencję jako właściwość samego modelu (Rahman & Sultana, 2025). Kluczowa myśl nie brzmi, że AI jest fałszywa. Brzmi, że AI jest socjotechniczna: moc obliczeniowa i zorganizowana praca ludzi wspólnie wytwarzają usługę.

Dlaczego niewidzialność jest częścią produktu

Gdyby ukryta praca została jedynie zapomniana, problem mógłby rozwiązać lepszy raport roczny. Niewidzialność wykonuje jednak pracę ekonomiczną i retoryczną.

Po pierwsze, wspiera premię za autonomię. Narzędzie opisane jako samodzielne wygląda na bardziej zaawansowane i skalowalne niż przedstawione jako zależne od stałego ludzkiego osądu. Inwestorzy, menedżerowie i dziennikarze chętniej uznają je za zamiennik pracy niż za jej reorganizację.

Po drugie, chroni nieprzejrzystość ceny. Kupujący widzi abonament lub opłatę za API, nie podział pieniędzy w łańcuchu dostaw. Kilka poziomów zleceń może oddzielić markę od pracownika. Każdy poziom może wiarygodnie twierdzić, że warunki pracy należą do odpowiedzialności kogoś innego.

Po trzecie, fragmentacja osłabia status epistemiczny. Gdy tysiące decyzji nazywa się mikrozadaniami, podejmujący je ludzie przestają wyglądać jak współtwórcy wiedzy. Ich spory stają się „szumem”; odrzucona praca - wskaźnikiem jakości; kompetencja kulturowa - kolumną w arkuszu kalkulacyjnym. Produkt uczy się na ludzkim osądzie, podczas gdy opowieść o produkcie odmawia temu osądowi autorstwa.

Po czwarte, nieprzejrzystość zawęża odpowiedzialność. Klient może powiedzieć, że danymi zajmuje się dostawca. Dostawca może twierdzić, że anotację prowadzi podwykonawca. Podwykonawca może wyjaśniać, że platforma tylko kojarzy niezależnych pracowników z zadaniami. Odpowiedzialność schodzi po schodach, aż dociera do osoby o najmniejszej sile negocjacyjnej - i znika przez zapadnię.

Dlatego znaczenie ma tu szersza obserwacja dotycząca nierówności cyfrowej: „Wykluczenie zaczyna się już na poziomie konstruowania systemu” (Kaniecki, 2026, p. 13). Liczy się to, kto jest reprezentowany w danych; ale również kto może kształtować kategorie, zakwestionować instrukcję i uczestniczyć w podziale wartości.

Koszt człowieka nie jest niefortunnym przypisem

Koszt może być finansowy. Pracownicy mogą doświadczać niepewnej podaży zadań, nieprzejrzystej oceny, odrzucania wyników lub nieopłaconego czasu poświęcanego na kwalifikacje i poszukiwanie pracy. Może być psychologiczny: powtarzalny kontakt z przemocą, nadużyciami lub materiałem seksualnym może szkodzić, podczas gdy dostępne wsparcie jest nierówne i bywa odległe od osób ustalających cele wydajności. Może być także obywatelski. Człowiek, którego praca trenuje system moderacyjny, może nie mieć możliwości zakwestionowania kulturowo niekompetentnej polityki, którą system będzie później egzekwował na dużą skalę.

Geografia ma znaczenie, ale utarty zwrot „pracownicy z Globalnego Południa” może również spłaszczać ludzi do roli scenerii. Nie stanowią oni jednej biernej grupy. Wnoszą wiedzę, organizują się, negocjują, odmawiają, improwizują i budują kariery w różnych warunkach prawnych i ekonomicznych. Etyczny reportaż nie powinien zastępować mitu autonomicznej AI sentymentalnym zdjęciem anonimowej ofiary. Powinien jednocześnie pokazywać sprawczość i ograniczenia.

Szkoda dociera także do użytkowników. Słabo wspierany anotator może otrzymać zadanie rozstrzygnięcia różnicy językowej lub kulturowej pominiętej w instrukcji. Decyzja może później wpłynąć na to, czyja wypowiedź zostanie zablokowana, czyj dialekt błędnie sklasyfikowany albo czyj sygnał kryzysu pominięty. To, co wygląda na błąd modelu, może być błędem organizacyjnym skamieniałym w danych.

Istnieje wreszcie koszt dla kupującego. Uniwersytet, redakcja lub urząd, które nie potrafią odtworzyć łańcucha ludzkiej pracy w swojej AI, nie mogą uczciwie ocenić ryzyka operacyjnego. Nadużycia pracownicze, słaba anotacja, nagła rotacja u podwykonawcy i wąska kulturowo ocena nie są czymś odrębnym od jakości produktu. Należą do jej przyczyn.

Godność pracy to więcej niż pozostawienie człowieka „w pętli”

Zwrot human in the loop może nadać uspokajający ton dowolnemu procesowi. Sama obecność nie chroni jednak pracownika. Godna praca wymaga możliwości zrozumienia zadania, używania osądu, sprawiedliwego traktowania, kwestionowania oceny i unikania szkód, którym można zapobiec.

Istnieje też różnica między powierzeniem człowiekowi jednego etapu a uznaniem go za uczestnika zarządzania. Jeżeli pracownicy setki razy spotykają tę samą niejednoznaczną kategorię, mają dowody dotyczące projektu systemu. Odpowiedzialna organizacja potrzebuje drogi, którą wiedza ta dotrze w górę. W przeciwnym razie pętla jest ludzka wyłącznie w najwęższym, anatomicznym sensie.

Kupujący również ma sprawczość moralną. „My ich nie zatrudniamy” nie jest pełną odpowiedzią, gdy organizacja świadomie korzysta z łańcucha dostaw. Nabywcy rutynowo pytają dostawców o cyberbezpieczeństwo, miejsce przechowywania danych i ciągłość usługi. Warunki pracy należą do tej samej poważnej rozmowy. Międzynarodowe opracowania na temat luki AI ujmują technologię i zatrudnienie jako kwestię globalnej dystrybucji, nie po prostu wyścig we wdrażaniu (United Nations et al., 2024). Właściwe pytanie brzmi zatem nie tylko Czy stać nas na ten system?, ale również Co umożliwiło tę cenę?

Odpowiedzialność powinna podążać za trzema rzeczami: kontrolą, wiedzą i korzyścią. Marka kontrolująca specyfikację, zdolna żądać informacji i przejmująca znaczną wartość ma obowiązki nawet wtedy, gdy lista płac jest prowadzona gdzie indziej. Instytucja publiczna ma dodatkowe zobowiązanie, ponieważ zamówienia wydają wspólne pieniądze i mogą wyznaczać normy dla całego rynku.

Etykieta ludzkiej pracy przy AI

Użyteczna etykieta pracownicza nie powinna udawać, że sześć pól certyfikuje sprawiedliwość. Ma ujawniać brakujące informacje i umożliwiać kwestionowanie decyzji zakupowych. Powinna towarzyszyć systemowi od przetargu do przedłużenia umowy.

1. Kategorie pracy. Wymień ludzkie zadania używane w całym cyklu życia: zbieranie danych, czyszczenie, anotację, tłumaczenie, red-teaming, ocenę odpowiedzi, testowanie bezpieczeństwa, moderowanie treści, obsługę klienta i poprawianie po wdrożeniu. Oddziel przygotowanie jednorazowe od pracy ciągłej.

„Weryfikacja ludzka” jest zbyt ogólna; to żywieniowy odpowiednik wpisania „składniki” jako jedynego składnika.

2. Miejsce, pracodawca i łańcuch zleceń. Podaj, gdzie wykonywana jest praca, które podmioty zatrudniają lub kontraktują pracowników i ile poziomów dzieli ich od głównego dostawcy. Informuj o istotnych zmianach podczas trwania umowy. Lokalizacja nie jest oceną moralną, lecz ujawnia właściwe prawo, język, środek odwoławczy i strukturę kosztów.

3. Wynagrodzenie i ocena. Podaj przedziały płacowe lub rozsądny odpowiednik, jednostkę płatności, przewidywany niepłatny czas, wskaźniki wydajności, podstawy odrzucenia oraz informację, czy pracownik może poznać uzasadnienie oceny. Kupujący powinien zapytać, czy cele nie premiują szybkości kosztem starannego osądu. Model trenowany na pospiesznej pewności może później sprzedawać tę pewność jako inteligencję.

4. Narażenie na szkodę i wsparcie. Wskaż przewidywalne treści drastyczne, maksymalne wzorce ekspozycji, zasady rezygnacji, rotację, przerwy, wsparcie psychologiczne i procedurę nagłego zgłoszenia. Nie przyjmuj „dostępnych zasobów dobrostanu” bez sprawdzenia, czy są dostępne w języku pracownika, poufne i możliwe do wykorzystania bez utraty dochodu.

5. Głos, odwołanie i naprawa. Pracownicy potrzebują działającej drogi do zakwestionowania odrzuconej pracy, szkodliwych instrukcji, dyskryminacji lub odwetu. Zapisuj czas odpowiedzi i wyniki, nie tylko istnienie adresu e-mail. Gdzie działa reprezentacja zbiorowa, ujawniaj sposób jej udziału w zmianach zadań lub wskaźników.

6. Uznanie i podział wartości. Wyjaśnij, czy istotny wkład ludzki jest uznawany w dokumentacji technicznej, publikacjach lub opisach produktu. W odpowiednich przypadkach pokaż, jak wzrost produktywności, tantiemy, premie, szkolenia lub dłuższe umowy docierają do współtwórców. Nie każda etykieta zasługuje na współautorstwo, lecz żaden produkt nie powinien reklamować autonomicznego osądu, systematycznie zaprzeczając jego ludzkiemu pochodzeniu.

Od etykiety do decyzji zakupowej

Etykieta jest użyteczna tylko wtedy, gdy brak informacji wywołuje konsekwencje. Redakcja lub uniwersytet mogą zastosować ją w pięciu krokach.

Przed przetargiem należy wskazać planowane zastosowania wysokiego ryzyka dla pracowników i użytkowników. Moderacja bezpieczeństwa, obciążające

emocjonalnie zbiory danych, dane dzieci oraz klasyfikacja wrażliwa kulturowo wymagają głębszej kontroli niż biurowe autouzupełnianie.

Podczas wyboru dostawcy należy żądać dowodów dla każdego pola: przykładowych umów, podsumowań audytów, statystyk skarg, protokołów wsparcia i nazw odpowiedzialnych podmiotów. Tajemnica handlowa może uzasadniać ukrycie danych osobowych lub konkurencyjnych; nie uzasadnia pustej strony tam, gdzie powinny być prawa człowieka.

Traktuj niepewność jako ryzyko. „Nie wiadomo” nie jest neutralne. Jeżeli dostawca nie potrafi wskazać, kto wykonuje kluczową ocenę, kupujący powinien obniżyć punktację, wymagać naprawy lub odrzucić ofertę. Tani system z niemożliwym do skontrolowania łańcuchem pracy niesie odroczony rachunek.

Zapisz egzekwowalne klauzule. Umowy powinny wymagać zgłaszania zmian podwykonawców, minimalnych standardów wsparcia, dostępu do niezależnego audytu i planu naprawy. Powinny zakazywać odwetu wobec pracowników zgłaszających szkody chronionymi kanałami. Przeglądy cen nie mogą automatycznie ściskać najsłabszego poziomu.

Sprawdzaj po wdrożeniu. Porównuj obiecaną i rzeczywistą zależność od ludzkich poprawek. Rejestruj przypadki, gdy pracownicy klienta, freelancerzy lub użytkownicy bez uznania naprawiają wyniki. Ukryta siła robocza może się przenieść po zakupie; czasem przechodzi wprost do redakcji, gdzie redaktor spędza każde popołudnie na czyszczeniu „automatycznego” tekstu.

Opublikuj zwięzłą wersję etykiety. Czytelnicy nie potrzebują wszystkich szczegółów handlowych, lecz powinni wiedzieć, czy produkt zależy od ciągłej moderacji człowieka, gdzie pozostają najważniejsze niewiadome i kto odpowiada za poprawę.

Gdzie kończy się etykieta

Ujawnianie informacji może stać się teatrem etyki. Firma może opublikować elegancką etykietę, podczas gdy płace pozostają niewystarczające, a pracownicy nie mają realnej władzy. Informacje również tworzą ryzyko: ujawnienie dokładnego miejsca lub podwykonawcy może narazić pracowników, związki zawodowe albo działania wrażliwe pod względem bezpieczeństwa. Standard powinien być niezależnie zarządzany i projektowany z pracownikami, nie tylko z kupującymi i dostawcami.

Porównania między krajami wymagają ostrożności. Jedna globalna liczba wynagrodzenia może pomijać koszty życia, ochronę społeczną, czas niepłatny i

siłę negocjacyjną. Nie każde zadanie należy też wciskać w stały etat, jeśli pracownicy cenią prawdziwą elastyczność. Test polega na sprawdzeniu, czy elastyczność jest wzajemna: czy pracownik może odmówić bez kary, rozumieć zasady i przewidzieć wystarczający dochód, by działać swobodnie?

Sama etykieta nie rozdzieli własności ani nie rozbije koncentracji platform. Może jednak złamać retoryczne zaklęcie zamieniające zorganizowaną pracę w obliczenia unoszące się w atmosferze. Gdy kupujący wie, że funkcja zależy od ludzi, brak pytań o ich warunki staje się decyzją, nie przeoczeniem.

Wróćmy do niebieskiej chmury w prezentacji sprzedażowej. Nie trzeba jej zastępować zatłoczonym schematem organizacyjnym. Na początek może wystarczyć jedno uczciwe zdanie: Tę usługę wytwarza oprogramowanie i ludzie, których osąd pozostaje niezbędny.

Następnie zadajmy dojrzałe pytanie ukryte pod magiczną sztuczką: kim są, czym ryzykują, co mogą zakwestionować i jaka część wartości do nich dociera?

Automatyzacja powinna usuwać znój. Nie powinna usuwać pracownika z moralnego pola widzenia.