AI 浪潮下的隱形代價：勞工血汗與生態剝削引關注

今年五一勞動節，全球多地有超過 6000 名勞工走上街頭，抗議 AI 浪潮下的工作條件惡化與就業不穩。許多企業高喊「AI 提升效率、解放人類」，但一場以田野調查為基礎的深入報導與多本專書，揭露了這場技術革命背後隱藏的血汗勞動、生態負荷與社會不公。

隱形勞工：資料標記員與內容審核員的血汗現實
AI 並非「自己學會」，機器學習模型的訓練高度仰賴全球數百萬名資料標記員（data annotators）與內容審核員。他們在肯亞、印度、烏干達、菲律賓等地的外包公司，每天面對電腦螢幕，標記影像、文字或影片，準確率要求常達 95% 以上，工時長達 10 小時，甚至週末加班。

根據《TIME》2023 年調查，OpenAI 透過肯亞公司 Sama 外包 ChatGPT 毒性內容過濾工作，工人時薪僅約 1.32–2 美元（月收入約 200–400 美元），簽訂 1–2 個月短期合約，表現不佳即不續約。許多人暴露於暴力、性虐待、自殺等極端內容，導致 PTSD、焦慮、憂鬱，甚至家庭破裂或自殺念頭。類似情況也出現在 Meta 等平台的外包審核員身上。

資料標記產業規模龐大：2022 年左右市場規模約 20 億美元，近年年成長率估計 20–30% 以上，預計持續擴張。 企業常以「道德 AI」或「為窮人提供工作機會」包裝外包，實際上利用低薪、英語能力與勞動法規較鬆的國家，壓低成本。工人集體抗議時，公司常將合約轉移至其他國家（如從肯亞轉菲律賓），導致維權困難。

生態代價：資料中心的「抽水機」與資源掠奪
AI 模型訓練與運作需要巨量運算，資料中心成為「隱形抽取機器」。伺服器散熱需大量用水與電力。美國奧勒岡州 The Dalles 的 Google 資料中心，2025 年用水量達約 5.5 億加侖，占該市總用水量近 40%，引發當地居民與環保團體強烈不滿，過去多年也曾因隱瞞數據引發訴訟。

冰島因 100% 再生能源（水力 + 地熱）、低溫氣候適合散熱，成為資料中心熱門地點。早期比特幣礦工大量進駐（2017–2018 年占資料中心容量約 90%），後轉向 AI 伺服器。雖然對電力供應商是穩定收入，但也引發關於能源分配與環境壓力的討論。

此外，AI 晶片與基礎設施需稀有金屬與礦物，過去五年相關需求翻倍，加劇全球資源競爭與生態負擔。

創意產業與職場監控：AI 如何「強化」剝削？
生成式 AI 正衝擊配音員、插畫家、編劇與演員。好萊塢 2023 年編劇工會（WGA）大罷工，即包含反對 AI 擅自使用劇本與演員肖像的條款，最終協議嚴格限制 AI 使用。這是全球影視產業首次將 AI 規範寫入勞資協議。

在職場，Amazon 等企業利用 AI 供應鏈優化系統，監控倉庫工人每一步動作、處理貨物速度，排名落後即面臨解僱。工人常孤立作業，像「機器零件」般重複勞動，精神壓力大增。類似數位監控模式已擴散至客服中心等產業。

意識形態與解決之道
批評者指出，AI 資本家常將風險焦點放在「超級智能失控」（如 Geoffrey Hinton 曾簽署聲明），這其實是行銷策略，促使政府與社會投入更多資金。真正迫在眉睫的是當前對勞工的剝削、偏見（訓練資料常反映西方白人男性視角）與生態破壞。

多位學者與記者（如 Kate Crawford《Atlas of AI》、Mary L. Gray & Siddharth Suri《Ghost Work》、Karen Hao《Empire of AI》）強調，AI 並非「解放」而是「隱藏並轉移」勞動與成本。

解決建議包括：

• 跨國勞工結盟：建立全球工人網絡，防止資本輕易外包規避責任（如 2013 年孟加拉成衣廠災後的「乾淨衣服運動」）。
• 點名羞辱與 ESG 壓力：民間團體評比企業供應鏈勞動條件，迫使公司改善（已有成功案例）。
• 政府監管：如德國供應鏈法，要求企業對整個供應鏈負責；歐美可制定更嚴格的進口標準。
• 工人合作社：印度等地已有 AI 資料標註工人合作社，讓勞工共同擁有資料與收益，實踐民主治理。

AI 的便利（社群媒體乾淨內容、自動駕駛潛力、創作輔助）背後，是全球南方勞工的血汗與地球資源的透支。勞動節的抗議提醒我們：真正的「智能」進步，必須包含對勞工尊嚴、生態永續與公平分配的承諾。 企業若只追求效率與利潤，而忽略這些隱藏代價，AI 最終可能放大而非縮小社會裂痕。揭露真相、強化透明度與集體行動，或許才是讓 AI 真正服務人類的關鍵一步。

附註: 目前資料標記（Data Annotation / Labeling）產業規模約在 20–60 億美元 左右（2025–2026 年），並以年複合成長率（CAGR）20–30% 高速擴張，預計 2030–2035 年將達到 100–380 億美元。

2025–2026 年規模：
多份報告估計約 23–63 億美元（不同機構定義略有差異，有人包含廣義資料收集，有人聚焦純 AI 標記）。例如：Mordor Intelligence 預估 2026 年 23.2 億美元；其他報告則顯示 2025 年約 36–48 億美元左右。

成長動能：

• 生成式 AI、大語言模型（LLM）、自動駕駛、醫療影像等應用爆炸性需求。
• 資料類型擴大（影像、影片、文字、音頻、多模態），加上法規要求高品質、可稽核的訓練資料。
• CAGR 多落在 21–29%，部分樂觀預測甚至接近 30%。

區域分布：

• 北美仍是最大需求市場（科技巨頭集中）。
• 亞太地區（尤其是印度、中國、東南亞）成長最快，既是需求端也是主要供應端（外包勞力）。
• 歐洲注重隱私與可稽核性。

產業特色與趨勢

• 外包與平台化：Scale AI、Appen、Sama 等公司主導，結合人力 + AI 輔助標記（human-in-the-loop）。
• 挑戰：勞動條件（低薪、長工時、心理壓力）、品質一致性、隱私法規。
• 未來展望：半自動化工具增加，但人類標記在高精度領域（如醫療、安全）仍不可或缺。市場正從純成本中心轉向策略性基礎設施。