Da “Lola” første gang så annoncerne i nogle gamle studiegruppers WhatsApp-tråde, troede hun, det var for godt til at være sandt. Annoncerne tilbød fjernarbejde til omkring 90 dollar i timen for opgaver, der var magen til dem, hun allerede udførte i sit job som managementkonsulent. 

Hun tog chancen, tilmeldte sig og begyndte på opgaver fra den Silicon Valley-baserede start-up Mercor. Betalingen kom som lovet. 

Opgaverne hun fik, havde umiddelbart ikke noget med firmaet Mercor at gøre, men stammede fra AI-selskaber som OpenAI og Anthropic. Opgaverne bestod i at træne de store AI-modeller i at udføre den samme kategori af konsulentopgaver, som hun levede af at arbejde med til daglig.

Mercor er en blandt en voksende niche af virksomheder i AI-økosystemet, hvor mennesker leverer den “human-in-the-loop”-arbejdskraft, der skal gøre modellerne bedre til at udføre økonomisk værdifuldt vidensarbejde.
I stedet for som i den tidlige udviklingsfase af AI at fokusere på forholdsvis simple opgaver som kategorisering og indholdsmarkering (dette er en kat / dette er ikke en kat) køber udviklingsafdelinger og virksomheder nu i stigende grad adgang til viden om specialisters arbejdsrutiner, deres vurderinger og domæneviden. Det sker gennem timebetalte kontrakter, hvor arbejdet typisk består i at formulere realistiske arbejdsopgaver, som modellerne kan arbejde med, bedømme deres resultater, pege på fejl og vise modellerne, hvordan en erfaren fagperson ville have grebet opgaven an.

Fokus på vidensarbejdere

Mercor blev stiftet i 2023 af tre collage-dropouts – Brendan Foody, Adarsh Hiremath og Surya Midha – som på kort tid har rejst 350 millioner dollars til en værdiansættelse på omkring 10 mia. dollar. En central del af forretningsmodellen er at rekruttere og orkestrere projektteams af eksterne eksperter – fra få personer til flere hundrede – som træner og evaluerer AI-modeller inden for forskellige fagdiscipliner. Mercor har oplyst, at firmaet udbetaler omkring 2 mio. dollar dagligt til en stab af universitetsuddannede fagfolk, der arbejder freelance, og som allerede omfatter over 30.000 personer. Den gennemsnitlige timeløn ligger omkring 95 dollar. Særligt eftertragtede profiler kan tjene væsentligt mere.

Den nye bølge af vidensbaseret AI-træning vokser frem i forbindelse med, at de store aktører i data-økonomien konkurrerer om kvalitet, fortrolighed og kapacitet. Scale AI – et af de mest kendte selskaber inden for data-labeling og modeltræningsdata – fik i 2025 en stor investering fra Meta, der gav Meta en 49 procents ikke-kontrollerende ejerandel. Aftalen illustrerer, hvor vigtigt adgangen til træningsdata og til arbejdskraft med de nødvendige kvalifikationer er blevet i kapløbet om bedre generative AI-modeller. Reuters har beskrevet, hvordan efterspørgslen efter “high-quality labeled data” og menneskelig feedback hænger tæt sammen med metoder som reinforcement learning from human feedback (RLHF), der bruges til at få modeller til at kunne følge komplekse instruktioner og levere mere pålidelige svar. 

Hvem har de bedste eksperter?

Kontraktarbejdet er samtidig blevet et konkurrenceparameter. Ifølge Reuters har virksomheden Surge AI søgt at rejse op til 1 mia. dollar, og har profileret sig på at levere “premium” labeling og feedback, bl.a. ved at samarbejde med mere kvalificerede eksperter, mens man i de store AI-firmaer diskuterer, hvornår AI selv kan overtage dele af arbejdet med træning. På leverandørsiden arbejder virksomheder som Turing på at bygge store automatiserede læringsmiljøer og datasystemer til træning af fleksible agenter, der kan udføre avancerede ræsonnementer. Turing oplyser, at firmaet samarbejder med flere af de store AI-virksomheder.

For arbejdstagerne i disse nye, fleksible netværk af højtuddannede domæne-eksperter er tiltrækningen ofte en kombination af løn, fleksibilitet og adgang til det, flere beskriver som at sidde på første række og få eksklusiv indsigt i den nyeste AI-udvikling. I Financial Times’s portræt af Mercor beskriver en erfaren konsulent, hvordan han tester modellen på krisescenarier – som for eksempel eskalerende historier om et firmas produkter på sociale medier – og derefter udfordrer og korrigerer modellernes adfærd over for disse opgaver. 

Kamp til stregen

I takt med væksten i denne gren af AI-økonomien er konkurrencen også blevet skarpere. I 2025 anlagde Scale AI ifølge Axios sag mod Mercor med påstand om misbrug af fortrolige dokumenter i forbindelse med en tidligere Scale-medarbejders jobskifte. Mercor har ifølge samme omtale bestridt, at selskabet har set materialet, men sagen satte fokus på, i hvor høj grad forretningskoncepter og know-how er blevet ekstremt værdifulde aktiver i denne del af AI-industrien.

Samtidig forsøger branchen at kvantificere sin egen størrelse. Oxford Economics anslog i en rapport bestilt af Scale AI, at den amerikanske dataannoteringsindustri bidrog med 5,7 mia. dollar til USA’s BNP i 2024. Det er en udvikling, der understøtter en bredere bevægelse væk fra basale mærkningsopgaver og frem til et marked, hvor højtuddannede fagfolk betales for at levere vurderinger, domæneviden og kvalitetssikring, som modellerne kan lære af.

De første resultater af dette arbejde kan inden længe forventes at løse opgaver på en vidensarbejdsplads i nærheden af dig.

---