{"id":"mb-20260830-2e5955","kind":"deep","title":"一个拥有 15 年经验的销售主管，投了 10 个月简历找不到工作","summary":"一个拥有 15 年经验的销售主管，投了 10 个月简历找不到工作","body":"一个拥有 15 年经验的销售主管，投了 10 个月简历找不到工作。\n转身去给 AI 当兼职标注员，时薪却从 15 美元一路飙到 100 美元。\n传统公司连面试都通不过的人，为什么硅谷实验室愿意一小时付他 700 块人民币？\n这件事底下，藏着 AI 行业正在发生的一次静悄悄的转折。\n过去几年，给大模型喂数据一直是廉价劳动的代名词。\n肯尼亚的众包工人拿 2 美元时薪，普通兼职拿 15 美元。\n为什么在所有人都在喊 AI 砸掉人类饭碗的时候，给 AI 纠错的人，身价反而暴涨了将近六倍？\n因为大模型的进化，撞上了一堵硬墙：评估者瓶颈。\n2023 年大模型刚爆发，训练主要靠基础的人类反馈强化学习。\n那时任务极其简单。\n给一段提示词，模型生成两个回答。\n人在后台点选哪个更通顺、哪个没有有害内容。\n这叫通用数据标注。\n它不需要专业背景，拼的是手速和廉价劳动力。\n到了 2024 年之后，公开互联网上的通识文本基本被各大实验室刮了个干净。\n模型开始向自主智能体和复杂推理演进。\nAI 开始替企业处理真正的商业任务。\n起草 B2B 销售方案，审查并购合同，编写底层代码。\n整个技术链条突然出现了一个致命断层。\n机器生成的复杂策略，普通众包人员根本分不清好坏。\n让一个没有实战经验的人去评价千万级谈判方案，只会给模型灌进平庸的甚至错误的反馈。\n模型能力越强大，评价它的门槛就越高。\n技术的瓶颈已经从生成文字的速度，转移到了谁有资格给它的复杂决策当裁判。\n训练市场随之发生剧烈分化。\n在 Scale AI 旗下的 Outlier 和 Mercor 这些平台上，通识标注的时薪依然停在 15 到 20 美元。\n针对法律、医学、金融和高端销售的专家评估项目，报价直接拉到了 60 到 150 美元以上。\nMo Zohourian 在传统职场被简历筛选系统刷掉了 10 个月。\n但在 AI 训练平台上，他通过了逻辑与推理测试。\n那 15 年摸爬滚打出来的销售直觉，帮他拿到了持续 10 个月、每小时 100 美元的专家项目。\n随后他用这笔收入办了自己的咨询公司，不再依赖传统的雇佣关系。\n过去是算力最贵，人的经验最廉价。\n如今是基础算力泛滥。\n人类在真实商业世界里交了几十年学费换来的隐性经验，成了硅谷最贵的一道原料。\n传统雇佣体系把有经验的熟手关在门外，认为履历可以轻易被规章替代。\n前沿实验室却在花重金收购这些经验，用来训练下一代接管复杂业务的智能体。\n究竟是谁先看懂了人类经验的真正价值？","topic":"一个拥有 15 年经验的销售主管，投了 10 个月简历找不到工作","frame_type":["评估者瓶颈（Evaluator Bottlene","机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-08-30 22:01:35","legal_anchor_count":0,"transcript_citation_count":0}