Bagian | Sleepy.md
Datong, Shanxi, kota yang dulu bertumpu pada batubara untuk menopang setengah dari kejayaan, kini menanggalkan debu batubara yang menempel di sekujur tubuhnya, mengganti dengan palu godam yang lebih tajam, lalu menghantam dengan keras ke arah sebuah tambang tak terlihat lainnya.
Di gedung perkantoran Pusat Perdagangan Internasional Distrik Pingcheng, sudah tidak ada lagi sumur angkat-turun, tidak ada lagi truk pengangkut batubara. Sebagai gantinya, ada ribuan meja komputer yang tersusun sangat rapat. Basis Layanan Data Kecerdasan Suara Cloud Valley di Shanghai Runxun menempati beberapa lantai sekaligus; ribuan karyawan muda yang memakai headset, menatap layar, mengklik, menyeret, memilih kotak.
Berdasarkan data resmi, hingga November 2025, Kota Datong telah mengoperasikan 745k unit server, mendatangkan 69 perusahaan call center dan pelabelan data, yang mendorong lebih dari 30k kesempatan kerja dekat tempat tinggal. Nilai outputnya 750 juta yuan. Di dalam “lubang tambang angka” ini, 94% dari pekerjanya berasal dari domisili setempat.
Bukan hanya Datong. Di antara kamp pusat pelabelan data batch pertama yang ditetapkan oleh Biro Data Nasional, kota-kota di wilayah Tiongkok tengah-barat seperti Kabupaten Yonghe di Shanxi, Bijie di Guizhou, Mengzi di Yunnan, dan lainnya tercantum jelas. Di pangkalan pelabelan data Kabupaten Yonghe, 80% adalah karyawan perempuan. Mayoritas mereka adalah ibu rumah tangga dari pedesaan, atau anak muda yang pulang kampung karena tidak menemukan pekerjaan yang cocok.
Seratus tahun lalu, di pabrik tekstil Manchester, Inggris, penuh sesak petani yang kehilangan tanah. Namun saat ini, di depan layar komputer di kota-kota terpencil di wilayah tersebut, duduk para pemuda yang tidak menemukan tempat di ekonomi riil.
Mereka tengah melakukan pekerjaan borongan yang sangat terasa seperti masa depan, tetapi sekaligus sangat primitif—untuk “memberi makan” data yang diperlukan oleh raksasa AI di Beijing, Shenzhen, dan Silicon Valley, agar model-model besar bisa dibuat.
Tidak ada yang merasa ini bermasalah.
Garis produksi baru di Dataran Loess
Inti dari pelabelan data adalah mengajari mesin untuk mengenali dunia.
Mengemudi otonom perlu mengenali lampu lalu lintas dan pejalan kaki, dan model-model besar perlu membedakan mana kucing dan mana anjing. Mesin itu sendiri tidak punya akal sehat; harus ada manusia yang lebih dulu menggambar sebuah kotak pada gambar dan memberitahunya, “Ini pejalan kaki,” barulah setelah menelan jutaan gambar, mesin akan belajar mengenali sendiri.
Pekerjaan ini tidak butuh pendidikan tinggi, hanya butuh kesabaran, serta satu jari telunjuk yang bisa terus mengklik.
Pada era keemasan 2017, sebuah kotak 2D sederhana harganya bisa mencapai lebih dari satu sen per kotak—bahkan ada perusahaan yang menawarkan harga 5 sen. Pekerja pelabelan yang tangannya cepat, sehari bekerja lebih dari sepuluh jam, bisa menghasilkan 5–6 ratus yuan. Di tingkat kabupaten, itu jelas dihitung sebagai pekerjaan bergaji tinggi dan terhormat.
Namun seiring evolusi model-model besar, sisi kejam dari jalur produksi ini mulai terlihat.
Pada 2023, harga satuan untuk pelabelan gambar sederhana sudah dihancurkan hingga 3 sampai 4 fen. Penurunannya lebih dari 90%. Bahkan untuk cloud point 3D yang lebih sulit—gambar yang dibentuk oleh titik-titik padat dan perlu dizoom berkali-kali lipat agar tepi terlihat—pelabelnya tetap harus menarik sebuah kotak 3D dalam ruang tiga dimensi yang mencakup panjang, lebar, tinggi, dan sudut rotasi, untuk membungkus kendaraan atau pejalan kaki dengan rapat tanpa celah. Namun kotak 3D yang rumit seperti itu pun hanya bernilai 5 sen.
Akibat langsung dari anjloknya harga satuan adalah ledakan intensitas kerja. Demi tetap menggigit gaji pokok bulanan 2–3 ribu yuan, para pelabel harus terus-menerus, tanpa henti, meningkatkan kecepatan tangan mereka.
Ini sama sekali bukan pekerjaan kantoran yang santai. Di banyak pangkalan pelabelan, manajemennya ketat sampai membuat sesak. Saat jam kerja dilarang menjawab telepon; ponsel harus dikunci di laci penyimpanan. Sistem akan mencatat secara presisi jejak mouse setiap karyawan dan waktu mereka berhenti. Jika berhenti lebih dari tiga menit, peringatan dari belakang akan menghantam seperti cambuk.
Yang lebih membuat putus asa adalah tingkat toleransi kesalahan. Batas kelulusan di industri biasanya 95% ke atas; bahkan ada perusahaan yang menuntut 98%–99%. Artinya, jika Anda menarik 100 kotak, dan hanya salah 2, seluruh gambar akan dikembalikan untuk perbaikan.
Gambar bergerak terdiri dari banyak frame yang saling berantai; kendaraan yang berpindah jalur akan tertutup, dan pelabel harus mengandalkan ingatan untuk menemukannya satu per satu. Pada gambar cloud point 3D, jika objek berjumlah lebih dari 10 titik, harus digambar kotak. Untuk proyek tempat parkir yang kompleks, jika garisnya terlalu panjang dan ada label yang terlewat, saat quality check selalu ada saja yang bisa dipersoalkan. Pengembalian perbaikan untuk satu gambar 4–5 kali adalah hal yang lumrah. Pada akhirnya, setelah dihitung, satu jam bekerja hanya menghasilkan beberapa sen.
Seorang pelabel dari Hunan memamerkan slip penyelesaiannya di platform sosial. Dalam sehari, ia menarik lebih dari 700 kotak, harga satuannya 4 fen, total penghasilannya 30,2 yuan.
Ini adalah gambaran yang sangat terbelah.
Di satu sisi, para taipan teknologi yang tampak cemerlang di acara peluncuran, membahas bagaimana AGI akan membebaskan manusia; di sisi lain, di kota-kota kabupaten di Dataran Loess dan pegunungan di barat daya, pemuda menghabiskan setiap hari menatap layar 8 sampai 10 jam, secara mekanis menarik kotak—ribuan, puluhan ribu—bahkan saat malam bermimpi, jari-jari mereka pun melayang di udara menggambar garis lajur.
Ada yang pernah berkata bahwa “wajah” kecerdasan buatan adalah mobil mewah yang menderu kencang, tetapi saat Anda membuka pintu mobil, Anda akan mendapati di dalamnya ada seratus orang yang sedang mengayuh sepeda dengan putus asa, menggertakkan gigi, mengayuh sekuat tenaga.
Tidak ada yang merasa ini bermasalah.
Pekerjaan borongan yang mengajarkan mesin “cara untuk mencintai”
Setelah hambatan dalam pengenalan gambar ditembus, model-model besar memasuki evolusi yang lebih dalam. Ia perlu belajar berpikir, berdialog, bahkan menunjukkan “empati”.
Hal ini melahirkan tahap paling inti sekaligus paling mahal dalam pelatihan model-model besar—RLHF (reinforcement learning berbasis umpan balik manusia).
Secara sederhana, yaitu meminta orang sungguhan memberi nilai pada jawaban yang dihasilkan AI, lalu memberi tahu jawaban mana yang lebih baik dan lebih sesuai dengan nilai serta preferensi emosional manusia.
ChatGPT tampak “seperti manusia” karena di baliknya ada tak terhitung para pelabel RLHF yang sedang memberinya pelajaran.
Di platform crowdsource, tugas pelabelan semacam ini biasanya dipatok dengan harga jelas: biaya per item 3 sampai 7 yuan. Pelabel perlu memberi penilaian emosi yang sangat subjektif terhadap jawaban AI—menilai apakah jawaban itu “hangat”, apakah “berempati”, apakah “memedulikan perasaan pengguna”.
Seorang pekerja lapisan bawah yang memegang gaji bulanan 2–3 ribu yuan, letih berlari dalam lumpur kehidupan nyata, bahkan tak sempat mengurus emosinya sendiri, justru harus menjadi “mentor emosi” AI dan sekaligus “hakim nilai” dalam sistem.
Mereka harus memaksa meremukkan emosi manusia yang sangat rumit dan halus seperti hangat dan empati, lalu mengukurnya menjadi skor dingin 1 sampai 5. Jika penilaian mereka tidak konsisten dengan standar jawaban yang ditetapkan sistem, mereka akan dinyatakan tidak mencapai tingkat akurasi, sehingga gaji borongan mereka yang memang tipis akan dipotong.
Ini adalah bentuk pengosongan kognitif. Perasaan manusia yang rumit dan halus, moralitas, serta belas kasihan—dipaksa masuk ke corong algoritma. Di dalam skala kuantisasi dan standarisasi yang dingin, semuanya diperas sampai habis sisa kehangatan terakhirnya. Saat Anda mengagumi bahwa “monster” siber di layar sudah belajar menulis puisi, mengarang musik, menanyakan kabar, bahkan mengenakan kulit yang penuh rasa sedih dan perasa—di luar layar, sekelompok manusia yang awalnya hidup, justru dalam penilaian mekanis dari hari ke hari, merosot menjadi mesin pemberi nilai tanpa emosi.
Inilah sisi paling tersembunyi dari seluruh rantai industri—yang tidak pernah muncul di berita pendanaan mana pun dan tidak pernah ada di buku panduan teknis.
Tidak ada yang merasa ini bermasalah.
S2 985 dan anak muda kota kecil
Pekerjaan menarik kotak di lapisan bawah sedang dihancurkan oleh lintasan AI. Jalur produksi siber ini mulai merambat ke atas, mulai menelan pekerjaan otak tingkat lebih tinggi.
Kebutuhan model-model besar berubah. Ia tidak lagi puas hanya mengunyah pengetahuan akal sehat yang sederhana. Ia perlu menelan pengetahuan profesional manusia dan logika tingkat tinggi.
Di berbagai platform rekrutmen, mulai sering muncul jenis paruh waktu khusus, seperti “pelabelan penalaran logika model besar” dan “pelatih humaniora AI”. Persyaratannya sangat tinggi: biasanya meminta “gelar S2 985/211 atau lebih”, mencakup bidang-bidang profesional seperti hukum, medis, filsafat, sastra, dan seterusnya.
Banyak mahasiswa pascasarjana dari kampus ternama tertarik, masuk ke kelompok outsourcing perusahaan-perusahaan besar ini. Tapi mereka cepat menyadari bahwa ini sama sekali bukan latihan otak yang ringan; itu adalah siksaan mental.
Sebelum benar-benar menerima order, mereka harus membaca dokumen dimensi penilaian dan standar evaluasi yang panjangnya puluhan halaman, lalu melakukan 2 sampai 3 putaran percobaan pelabelan. Jika lulus, dalam pelabelan resmi pun jika akurasi lebih rendah dari rata-rata, mereka akan kehilangan kualifikasi dan diusir dari obrolan grup.
Yang paling membuat sesak adalah, standar-standar itu bahkan tidak tetap. Menghadapi masalah dan jawaban yang mirip, dengan cara berpikir yang sama untuk memberi nilai, hasilnya bisa sangat berbeda. Ini seperti mengerjakan ujian yang tidak akan pernah selesai dan sama sekali tidak punya jawaban standar. Tidak mungkin meningkatkan akurasi melalui usaha atau belajar; Anda hanya bisa terus berputar di tempat, menghabiskan otak dan tenaga fisik.
Inilah bentuk penindasan baru di era model-model besar—pelipatan kelas.
Pengetahuan, yang dulu dianggap sebagai tangga emas untuk memecahkan batas dan menaiki kelas sosial ke atas, kini berubah menjadi “rumput angka” yang dipersembahkan kepada algoritma—lebih rumit lagi untuk dikunyah. Di hadapan kekuasaan mutlak algoritma dan sistem, para lulusan S2 985 di menara gading dan anak muda kota kecil di Dataran Loess mengalami “akhir yang sama dari jalan yang berbeda” yang paling aneh.
Mereka jatuh bersama ke tambang siber yang tak berdasar ini, kehilangan kilau, meratakan perbedaan, dan semuanya berubah menjadi roda gigi murah di atas lintasan yang bisa diganti kapan saja.
Di luar negeri juga sama. Pada 2024, Apple langsung memotong satu tim pelabelan suara AI berjumlah 121 orang di Santiago. Para karyawan ini bertugas meningkatkan kemampuan pemrosesan multibahasa Siri. Mereka pernah mengira mereka berada di pinggiran inti bisnis perusahaan besar, tetapi seketika jatuh ke jurang terdampak pemutusan kerja.
Bagi para raksasa teknologi, baik “bibi” menarik kotak di kota kabupaten, maupun pelatih logika yang lulus dari kampus ternama, pada dasarnya hanyalah “bahan habis pakai” yang bisa diganti kapan saja.
Tidak ada yang merasa ini bermasalah.
Menara Babel bernilai triliunan, dipenuhi keringat berdarah dengan beberapa sen
Berdasarkan data yang dirilis oleh China Academy of Information and Communications Technology, skala pasar pelabelan data di Tiongkok pada 2023 mencapai 6,08 miliar yuan. Pada 2025 diprediksi 20–30 miliar yuan. Dengan perkiraan, hingga 2030, penjualan pasar pelabelan data dan layanan global akan melonjak sampai 117,1 miliar yuan.
Di balik angka-angka ini, ada “pesta” penilaian nilai dari raksasa teknologi seperti OpenAI, Microsoft, ByteDance—yang nilainya bisa mencapai ratusan miliar hingga ribuan miliar dolar.
Namun kekayaan yang melimpah ini tidak mengalir kepada mereka yang benar-benar “memberi makan” AI.
Industri pelabelan data di Tiongkok menunjukkan struktur outsourcing berbentuk terbalik seperti piramida. Lapisan paling atas adalah raksasa teknologi yang memegang erat algoritma inti; lapisan kedua adalah penyedia layanan data skala besar; lapisan ketiga adalah pangkalan pelabelan data yang tersebar di berbagai tempat dan perusahaan outsourcing skala menengah-kecil; dan lapisan paling bawah, barulah mereka yang menjadi pelabel berdasi pekerja borongan dengan gaji per item.
Setiap lapisan outsourcing akan mengeruk habis satu lapisan lagi “minyak dan air”. Saat perusahaan besar menawarkan harga satuan 5 sen, setelah berlapis-lapis diperas, sampai ke tangan pelabel di tingkat kabupaten mungkin tinggal kurang dari 5 sen.
Mantan menteri keuangan Yunani Yanis Varoufakis dalam bukunya “Tekno-Fedualisme” mengemukakan pandangan yang sangat menusuk: hari ini, para raksasa teknologi tidak lagi menjadi kapitalis dalam arti tradisional, melainkan “pemilik feodal awan” (Cloudalists).
Mereka tidak memiliki pabrik dan mesin, melainkan algoritma, platform, dan daya komputasi—ini adalah wilayah teritorial digital di era siber. Dalam sistem feodal yang baru ini, pengguna bukanlah konsumen, melainkan petani sewa digital. Setiap kali kita memberi like, mengomentari, atau menonton di media sosial, semuanya secara gratis menyuplai data untuk pemilik feodal awan.
Sedangkan para pelabel data yang tersebar di pasar level bawah adalah para budak tani digital paling bawah dalam sistem ini. Mereka tidak hanya harus memproduksi data, tapi juga membersihkan, mengklasifikasikan, memberi skor terhadap tumpukan besar data mentah, lalu mengubahnya menjadi “pakan” berkualitas tinggi yang bisa dicerna model-model besar.
Ini adalah gerakan perebutan wilayah kognitif yang terselubung. Seperti gerakan “enclosure” Inggris abad ke-19 yang mengusir petani ke pabrik tekstil, kini gelombang AI memindahkan para pemuda yang tidak menemukan tempat dalam ekonomi riil ke depan layar.
AI tidak menghapus jurang kelas; justru membangun “sabuk pengangkut data dan keringat” yang mengalir dari kota-kota kabupaten di Tiongkok bagian tengah-barat hingga kantor pusat raksasa teknologi di Beijing, Shanghai, Tianjin, Guangzhou, Shenzhen, dan sekitarnya. Narasi revolusi teknologi selalu megah dan indah, tetapi latarnya selamanya adalah konsumsi massal tenaga kerja murah.
Tidak ada yang merasa ini bermasalah.
Tidak lagi membutuhkan masa depan manusia
Konsekuensi paling kejam sudah hampir datang, dan datangnya semakin cepat.
Seiring lonjakan kemampuan model-model besar, tugas pelabelan yang dulu membutuhkan manusia bekerja siang-malam, kini sedang diambil alih oleh AI sendiri.
Pada April 2023, pendiri Ideal Automobile, Li Xiang, mengungkapkan data di forum: dulu, Ideal setahun perlu melakukan penandaan manual gambar untuk mengemudi otonom kira-kira 10 juta frame; biaya outsourcingnya mendekati satu ratus juta yuan. Namun ketika mereka menggunakan model-model besar untuk pelabelan otomatis, pekerjaan yang sebelumnya memerlukan setahun pada dasarnya bisa selesai dalam 3 jam.
Efisiensi itu 1000 kali lipat dari manusia, dan bahkan sejak 2023. Pada bulan Maret yang baru saja lewat, Ideal juga merilis mesin engine pelabelan otomatis generasi baru MindVLA-o1.
Di industri beredar sindiran diri yang sangat nyata: “Seberapa banyak kecerdasan, sebanyak itu pula kebutuhan manusia.” Namun sekarang, investasi perusahaan besar dalam outsourcing pelabelan data sudah muncul penurunan curam 40%–50%.
Mereka yang selama tak terhitung hari dan malam duduk membatu di depan komputer, menyiksa mata hingga merah—mereka sendiri yang memberi makan raksasa itu dengan tangan mereka. Kini raksasa itu menoleh, menjatuhkan mereka ke depan, merobohkan meja kerja mereka.
Saat malam turun, gedung perkantoran di Distrik Pingcheng Datong tetap pucat seperti siang. Pemuda yang bergantian shift di dalam ruang lift saling bertukar diamnya tubuh yang lelah. Dalam ruang lipatan yang terkunci rapat oleh begitu banyak kotak poligon, tidak ada yang peduli arsitektur Transformer di seberang lautan yang akan mengalami lompatan epik seperti apa, dan tidak ada yang bisa memahami dengung komputasi di balik miliaran parameter tersebut.
Tatapan mereka hanya terpaku pada bilah kemajuan merah-hijau di belakang yang mewakili “batas kelulusan”. Mereka menghitung apakah beberapa nilai dan beberapa sen dari upah per item bisa dirakit menjadi kehidupan yang layak pada akhir bulan.
Di satu sisi, bunyi bel di Nasdaq dan deretan liputan media teknologi yang tiada henti—para raksasa mengangkat gelas merayakan kedatangan AGI. Di sisi lain, para budak tani digital yang membesarkan AI dengan mulut mereka yang berisi daging dan darah, hanya bisa menunggu dengan gemetar dalam mimpi tidur yang asam dan sakit, bahwa raksasa yang mereka pelihara sendiri itu, pada suatu pagi yang tampak biasa, dengan santainya menginjak dan menendang jatuh piring kerja mereka.
Tidak ada yang merasa ini bermasalah.
Klik untuk mempelajari posisi kerja Jumbotron Beats BlockBeats
Selamat bergabung dengan komunitas resmi Jumbotron BlockBeats:
Grup langganan Telegram: https://t.me/theblockbeats
Grup obrolan Telegram: https://t.me/BlockBeats_App
Akun resmi Twitter: https://twitter.com/BlockBeatsAsia
