數字經濟背景下重新構想全球南方人工智能勞動力的未來

2025年10月，布魯金斯學會（Brookings Institution）發布報告《重新構想全球南方數據與人工智能勞動力的未來》（Reimagining the future of data and AI labor in the Global South）。報告聚焦人工智能時代的數據工作，涵蓋其具體內容、工作環境等基礎議題，同時深入探討數據業務外包引發的問責障礙、數據勞動者剝削現象的應對挑戰，以及自動化數據審核對勞動力市場與包容性技術發展的影響等核心問題。啟元洞見對報告核心內容進行編譯整理，為讀者全面了解相關領域現狀提供參考。

引言

人工智能、社交媒體算法等日常工具，其運行并非僅依靠技術，還需要人工篩選內容，進行標簽標注、分類、轉錄及數據處理等等，這些數據工作者大多居住在全球南方地區。長期接觸仇恨、暴力等不良圖文內容，會對數據工作者的心理健康造成嚴重損害，這也推動了相關工會及倡導團體的成立。此類組織同時針對剝削性工作條件與不透明商業行為發起維權與質疑。數據外包領域缺乏全行業統一的監管規范與透明度機制，這一現狀已成為包容性數據生態系統建設的重要阻礙。

支撐此類工作的相關平臺早在2005年便已問世，近年來，隨著數據需求持續攀升，將標簽標注等工作外包給全球南方地區工作者的模式，已逐漸具備商業可行性與盈利空間。據世界銀行估算，目前有1.5億至4.3億的數據工作者，其勞動成果正是尖端技術持續發展的重要基礎。

這些數據工作者往往在“數字血汗工廠”中工作，他們頻繁反映工作條件惡劣、遭受剝削，并承受著多種心理壓力。在非洲、南亞及東南亞地區，工作者一輪班次工作時長達到20小時、篩選1000個案例的情況并不罕見。盡管已成立工會和倡導團體，但業務流程外包（BPO）操作模糊不清、零工平臺缺乏監管約束以及數據工作前景不明朗等問題，仍制約著數據工作者群體爭取公平透明工作條件的組織化能力。

一、數據工作的具體內容

帶標注數據集是人工智能模型訓練的核心基礎，此類模型通過學習數據中的潛在模式，可實現內容生成、預測分析或分類識別等功能。數據標注更是平臺過濾仇恨、暴力等不良圖文內容的關鍵環節，數據處理全流程中的細微決策，離不開人類對語境的精準把握，這類依賴人工判斷的工作，往往外包給全球南方地區的工作者承擔。部分內容審核場景下，數據工作者需直接接觸各類不良內容，其工作環境不僅令人身心不適，還存在明顯的剝削屬性。頗具諷刺意味的是，他們參與訓練的系統，核心目標恰恰是保護普通用戶免受同類不良內容的侵擾。而對各類內容的處理與評估，本身也是內容審核系統有效運轉的核心構成。

二、數據工作的環境問題令人擔憂

牛津大學公平工作項目（Oxford?s Fairwork project）調查了700多名在數字勞動力平臺工作的從業者，圍繞工作條件、合同條款、管理模式及權益代表權等方面進行評估后發現，15個受評估平臺中，沒有一個在公平薪酬方面的得分高于“最低標準”。2025年，對哥倫比亞、加納和肯尼亞的76名工作者開展調查研究的結果顯示，共發生60起獨立的心理傷害事件，包括焦慮、抑郁、易怒、恐慌發作、創傷后應激障礙（PTSD）以及藥物依賴等。工作者還提到存在強制無薪加班、無固定薪資以及公司拖欠工資的情況。

數據工作者接觸的內容包括很多極端不良內容等。例如，一名前內容審核員表示，他每天要瀏覽多達700條含暴力內容的文本，工作帶來的心理壓力導致他失去了家庭。正因如此，許多工作者出現抑郁、焦慮情緒，甚至產生輕生念頭。加納的合同工反映，審核這些令人不安的內容讓他們身處“繁重的工作環境”中。

三、業務流程外包阻礙問責

數據工作者通常受雇于跨國公司通過第三方外包機構他們往往沒有明確的渠道去舉報勞動權益受損與不公待遇。盡管研究機構和記者已經披露數據工作可能引發心理創傷并存在剝削性勞動條件，但由于缺乏明確的爭議解決渠道，一些公司會利用責任主體模糊這一模糊點逃避問責。

此外，供應鏈不透明也導致工作者難以知曉其勞動具體支持或構建了哪些系統。此問題在行業內普遍存在，不透明的供應鏈極大地限制了勞動者對抗剝削性勞動實踐的能力。

四、對抗勞動者剝削面臨的挑戰

研究人員、倡導組織與多起訴訟，挑戰不合理的勞動實踐。例如，內容審核員成立了“非洲內容審核員聯盟”（the African Content Moderators Union）和“全球內容審核員貿易聯盟”（the Global Trade Union Alliance of Content Moderators），旨在跨國爭取公平薪酬與安全工作條件。在肯尼亞，數據工作者發起成立數據標注員協會（the Data Labelers Association），改善工作條件、公平薪酬與心理健康支持而努力。盡管如此，許多人仍面臨報復威脅或實質報復。在土耳其，為TikTok提供外包服務的某公司，以員工試圖組建工會為由解雇了部分內容審核員。

研究與倡導組織也致力于記錄和揭示相關問題。例如，數據工作者調查（the Data Workers Inquiry）是一項全球性研究計劃，旨在助力數據工作者成為倡導者與社區研究員。倡導與互助組織Turkopticon則致力于改善亞馬遜土耳其機器人平臺勞工的工作條件。此外，數據標注平臺Karya，則為傳統數據標注提供了符合倫理的替代方案，承諾為印度農村人群提供公平報酬與體面工作機會。

司法管轄區也發起了相關訴訟和調查。在肯尼亞，法院裁定，某平臺因大規模解雇聲稱遭受剝削與心理健康受損的內容審核員而面臨起訴。2022年底，哥倫比亞勞工部對為TikTok提供數據服務的第三方供應商Teleperformance展開調查，原因是該公司讓工作者接觸令人不適的內容卻僅支付日均10美元的報酬。目前，Meta公司在加納面臨訴訟。當地為其業務流程外包公司Majorel工作的審核員稱，工作條件極為惡劣，包括居住環境擁擠，并被迫接觸涉及謀殺、極端暴力與虐待的內容。盡管這些法律行動取得了一定進展，但這種“打地鼠”式的個案訴訟與調查，無法遏制結構性的勞動侵權問題。

五、自動化內容審核對勞動力

及包容性技術發展的影響

在勞動者通過法律途徑組織起來抵制剝削性勞動實踐的同時，企業正致力于開發工具，以進一步優化機器學習算法、識別潛在有害內容，并評估產品在隱私與社會層面的風險。盡管這些工具有望減輕數據工作者的心理負擔，但企業不應將自動化內容審核和標注，視為替代建立公平、透明勞動機制的解決方案。

基于機器學習分類器、哈希技術與關鍵詞過濾器的人工智能輔助內容審核，旨在部分或完全取代人工審核。這類工具已有一定發展歷史，例如Google旗下公司推出的“減毒應用程序接口”（Toxicity-Reducing API），可用于協助審核人員識別網絡不良信息與騷擾內容。人工智能模型在內容審核中的應用，確實可能減輕人類數據工作者的心理與情感壓力，同時因其可大規模部署，能夠實現快速、高效的內容處理。然而，自動化內容審核在語境理解、判斷準確性及決策透明度方面仍存在隱憂。人類標注數據中若存在偏見，可能被算法大規模放大。基于歷史數據集訓練的人工智能模型，也難以理解隨時間演變的特定文化背景表達，在低資源語言等數據稀缺情境中尤其如此。例如，算法在處理語碼混合、新興語言形式以及為規避審核而產生的“算法語言”等抵抗性表達時，往往表現欠佳。

惡意行為者還可能利用內容審核系統的語言理解漏洞傳播不良內容。一項針對“減毒應用程序接口”的研究表明，自動化內容審核存在較高的誤報率。Facebook外泄的文件也顯示，算法曾將77%的非暴力阿拉伯語內容誤判為“恐怖主義內容”并刪除，導致有關戰爭罪行的報道遭到不當審查。

當前內容審核決策的透明度與可解釋性已顯不足且不穩定，而自動化審核可能加劇這一問題——算法無法始終如一地清晰解釋其判斷邏輯。盡管存在上述局限，在處理涉及有毒、有害內容的低薪數據工作時，某些自動化任務處理與審核形式仍具實用價值。除推動任務全自動化外，人工智能還可用于數據預處理，并為數據工作者對可能引發不適的圖像進行模糊化處理等。

六、未來發展路徑

面對上述趨勢，各方利益相關者應采取果斷行動，提高數據標注工作的透明度，并推廣符合道德準則的勞動實踐。國際機構應參考國際原則與有關公平勞動的討論，明確業務流程外包中保護勞動者的權責關系。

鑒于數據勞動的全球性，跨國合作不可或缺。東南亞國家聯盟、非洲聯盟、加勒比共同體等區域組織應致力于制定具有約束力的指令，保障數據工作者的權益。部分國家已有所進展，如阿根廷與墨西哥正在擬定零工平臺工作指導方針。繼續加強國內數字勞動力領域的監管、指導與執法工作。既要落實現有勞動法規，也需針對人工智能數據標注與內容審核類零工工作制定專門法規。此類法規應涵蓋為數據標注員提供充分的心理健康支持、符合人體工學的工作環境、充足的帶薪休假、集體談判權保護，以及強制公開工作內容與福利信息等要求。此外，各國還須建立有效保障機制，在進行事實核查與內容審核的同時維護內容完整性。此舉有助于遏制極端主義與仇恨內容在數字平臺上的蔓延——這一問題已日益嚴峻。以Facebook為例，該公司僅雇傭少量內容審核員監控阿富汗地區數百萬用戶內容中的仇恨言論，最終刪除比例不足1%，甚至引發了現實世界的暴力事件。若不加大在數字領域的投入，仇恨言論將繼續泛濫。在缺乏強制性立法的情況下，科技公司與業務流程外包公司應主動實施全行業統一的勞動者保護標準。包括提供全面的心理健康資源、為接觸有害內容的工作者提供崗位調換選項，以及公開工作分配信息等。同時，應為數據工作者開辟明確渠道，使其能夠表達關切并參與更廣泛的工作討論，例如舉辦公眾論壇、設立數據工作者監督委員會、開放反饋渠道等。部分公司雖已設立監督委員會，但數據工作者是否真正參與其中尚不明確。必須指出，僅有監督機制而缺乏實際授權或必要工具，難以促成實質改變。例如，盡管一些公司聲稱為零工工作者提供心理健康資源，但許多工作者反映這些支持遠不足以滿足需求。數據工作者應在科技公司與外包公司的監督與問責機制中發揮更積極的作用。在向自動化內容審核轉型的過程中，企業應重新思考數據工作者的角色定位，而非簡單地以人工智能取代人力。過度依賴人工智能軟件進行內容審核，將威脅全球勞動者的生計，尤其在許多經濟體依賴在線零工工作的背景下。企業應考慮制定相應策略，使人類工作者在數據任務中充分發揮其文化智慧。例如，在需要本地語言技能與文化理解的決策環節引入人類判斷。這種定制化路徑既能結合人工智能輔助審核的效率，又保留了人類在文化理解上的不可替代性，同時有助于構建更符合倫理的人工智能訓練與內容審核商業模式。

數據工作者擁有豐富的經驗、獨特的視角與專業知識，在他們熟悉的語境中，這些能力有助于提升平臺內容與人工智能模型的質量。面對全球各地社區語言的多樣性與文化價值的廣泛性，那些受困于重復性高、心理負擔重的工作，卻渴望自身訴求被技術所吸納的數據工作者，應憑借其本地化知識，在改進人工智能系統與數字工作環境中發揮關鍵作用。融合數據工作者人力與文化智慧的協作框架，將有力推動全球人工智能朝著更具包容性的方向發展。

免責聲明：本文轉自啟元洞見。文章內容系原作者個人觀點，本公眾號編譯/轉載僅為分享、傳達不同觀點，如有任何異議，歡迎聯系我們！

研究所簡介

國際技術經濟研究所（IITE）成立于1985年11月，是隸屬于國務院發展研究中心的非營利性研究機構，主要職能是研究我國經濟、科技社會發展中的重大政策性、戰略性、前瞻性問題，跟蹤和分析世界科技、經濟發展態勢，為中央和有關部委提供決策咨詢服務。“全球技術地圖”為國際技術經濟研究所官方微信賬號，致力于向公眾傳遞前沿技術資訊和科技創新洞見。

地址：北京市海淀區小南莊20號樓A座

電話：010-82635522

微信：iite_er