செயற்கை நுண்ணறிவு (AI) துறைக்கு உலகளவில் குறைந்த சம்பளம் பெறும் டேட்டா லேபிளர்கள் தேவைப்படுகிறார்கள். AI நிறுவனங்கள் அதிக மதிப்பீடுகளைப் பெற்றாலும், இந்த தொழிலாளர் நடைமுறைகள் நற்பெயர் மற்றும் ஒழுங்குமுறை அபாயங்களை உருவாக்குகின்றன. தொழிலாளர் உரிமைகள் மீதான உலகளாவிய கவனம் அதிகரிக்கும் நிலையில், நிறுவனங்கள் தங்கள் 'மனித விநியோகச் சங்கிலியை' எவ்வாறு நிர்வகிக்கின்றன என்பதை முதலீட்டாளர்கள் உன்னிப்பாகக் கவனிக்கின்றனர்.
செயற்கை நுண்ணறிவின் (AI) விரைவான வளர்ச்சி, உலகளாவிய தொழில்நுட்பத் துறைக்கு ஒரு முரண்பாட்டைக் கொண்டுவருகிறது. AI சிக்கலான பணிகளை தானியக்கமாக்கும் திறனுக்காகப் பாராட்டப்பட்டாலும், அதன் வளர்ச்சி மனித டேட்டா லேபிளர்களின் பரந்த, பெரும்பாலும் கண்ணுக்குத் தெரியாத பணியாளர்களை பெரிதும் நம்பியுள்ளது. இந்தத் தொழிலாளர்கள் படங்களை குறித்தல் (annotating images), ஆடியோவைப் பிரதியெடுத்தல் (transcribing audio) மற்றும் உரைகளை வகைப்படுத்துதல் (categorizing text) போன்ற அத்தியாவசியப் பணிகளைச் செய்கிறார்கள். இவைதான் இயந்திர கற்றல் மாதிரிகளை (machine learning models) செயல்பட வைக்கும் அடிப்படை கட்டமைப்புகள்.
பொருளாதார இடைவெளி
டேட்டா லேபிளிங் வேலையின் நிதி நிலைமை, முன்னணி AI நிறுவனங்களின் பில்லியன் டாலர் மதிப்பீடுகளிலிருந்து (valuations) முற்றிலும் வேறுபடுகிறது. டேட்டா லேபிளிங் வேலை பெரும்பாலும் 'கிக்-பேஸ்' (gig-based) ஆக வகைப்படுத்தப்படுகிறது. பல தொழிலாளர்கள் ஊழியர்களாக அல்லாமல், சுயாதீனமான பயனர்களாக (independent users) வகைப்படுத்தப்படுகிறார்கள். இந்த வகைப்பாடு, நிறுவனங்கள் சலுகைகள், முறையான ஒப்பந்தங்கள் அல்லது குறைந்தபட்ச ஊதிய உத்தரவாதங்களை வழங்குவதைத் தவிர்க்க அனுமதிக்கிறது. பல பிராந்தியங்களில், தொழிலாளர்கள் ஒரு நாளைக்கு சில டாலர்கள் மட்டுமே சம்பாதிக்கும் கடுமையான ஊதிய ஏற்றத்தாழ்வுகளை எதிர்கொள்கின்றனர். அதே நேரத்தில், உயர்நிலை AI ஆராய்ச்சிப் பணிகள் கணிசமான பிரீமியங்களை வசூலிக்கின்றன. முதலீட்டாளர்களுக்கு, இது ஒரு சீரற்ற தன்மையை உருவாக்குகிறது. AI முன்னேற்றத்தை இயக்கும் அடிப்படை வேலை, வழக்கமான கார்ப்பரேட் தொழிலாளர் பாதுகாப்புகளிலிருந்து துண்டிக்கப்பட்டுள்ளது.
முதலீட்டாளர்கள் ESG அபாயங்களைக் கவனிப்பதற்கான காரணங்கள்
நவீன முதலீட்டாளருக்கு, ஒரு வணிக மாதிரியின் நிலைத்தன்மை என்பது வருவாய் மற்றும் லாப வரம்புகளைத் தாண்டியதாகும். இதில் சுற்றுச்சூழல், சமூக மற்றும் ஆளுகை (ESG - Environmental, Social, and Governance) தரநிலைகளும் அடங்கும். குறைந்த ஊதியம் பெறும், பாதுகாப்பற்ற உழைப்பை நம்பியிருப்பது குறிப்பிடத்தக்க சமூக அபாயத்தை ஏற்படுத்துகிறது. உலகளவில் 'கிக் எகனாமி' (gig economy) மீதான பொது மற்றும் ஒழுங்குமுறை விசாரணை வளரும்போது, சுரண்டல் தொழிலாளர் மாதிரிகளை நம்பியிருக்கும் நிறுவனங்கள் எதிர்காலத்தில் சட்டரீதியான சவால்களை எதிர்கொள்ள நேரிடும். தொழிலாளர் சீர்திருத்த அதிகாரிகள் டேட்டா லேபிளர்களை ஊழியர்களாக மறுவகைப்படுத்த முடிவு செய்தால், AI மாடல்களை உருவாக்கும் மற்றும் பயிற்சிக்கும் நிறுவனங்களுக்கான செயல்பாட்டுச் செலவுகள் கடுமையாக உயரக்கூடும்.
ஒழுங்குமுறை மற்றும் செயல்பாட்டு தடைகள்
நற்பெயருக்கு அப்பால், ஒரு செயல்பாட்டு அபாயமும் உள்ளது. டேட்டா லேபிளிங் தொழில் மிகவும் சிதறிக்கிடக்கிறது (highly fragmented). நிறுவனங்களை தொழிலாளர்களுடன் இணைக்க மூன்றாம் தரப்பு தளங்களை (third-party platforms) பெரிதும் நம்பியுள்ளது. நேரடி மேற்பார்வை இல்லாததால், AI நிறுவனங்கள் தங்கள் விநியோகச் சங்கிலிக்குள் (supply chain) பணிபுரியும் நிலைமைகள் மீது குறைவான கட்டுப்பாட்டையே கொண்டுள்ளன. கூட்டு நடவடிக்கை (collective action), அதிகரித்த தொழிலாளர் ஒழுங்குமுறை அல்லது தொழிலாளர் அதிருப்தி காரணமாக இந்த விநியோகச் சங்கிலிகள் சீர்குலைந்தால், AI மாதிரிகளின் வளர்ச்சி மற்றும் பராமரிப்பு தாமதமாகலாம். முதலீட்டாளர்கள் பொதுவாக, தாங்கள் வைத்திருக்கும் நிறுவனங்கள் திடீர் ஒழுங்குமுறை சோதனைகள் அல்லது முக்கிய திறமைகளின் இழப்புக்கு ஆளாகாமல் இருப்பதை உறுதிசெய்ய இந்த அபாயங்களைக் கண்காணிக்கின்றனர்.
எதிர்கால வெளிப்படுத்தல்களைக் கண்காணித்தல்
முதலீட்டாளர்களுக்கான அடுத்த முக்கியமான போக்கு அதிகரித்த வெளிப்படைத்தன்மை (transparency) ஆகும். AI நெறிமுறைகளுக்கான உலகளாவிய தரநிலைகள் மேலும் வரையறுக்கப்படுவதால், சந்தைப் பங்கேற்பாளர்கள் தங்கள் தரவு ஆதாரம் (data sourcing) மற்றும் அவர்களின் மனித விநியோகச் சங்கிலியின் சிகிச்சை குறித்து தெளிவான வெளிப்படுத்தல்களை வழங்கும் நிறுவனங்களைத் தேடலாம். நிறுவனங்கள் தொழிலாளர் நடைமுறைகள், நியாயமான ஊதியத் தரநிலைகள் அல்லது பயிற்சித் தரவுகளின் நெறிமுறை ஆதாரம் குறித்து அறிக்கை செய்யத் தொடங்குகிறார்களா என்பதை முதலீட்டாளர்கள் கண்காணிக்க வேண்டும். AI துறை முதிர்ச்சியடையும் போது, இந்த மனித மூலதன அபாயங்களை நிர்வகிக்கும் திறன் நீண்ட கால மதிப்பீடு மற்றும் இடர் மதிப்பீட்டில் ஒரு காரணியாக மாறும்.