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

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。 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。 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？ 这件事底下，藏着 AI 行业正在发生的一次静悄悄的转折。 过去几年，给大模型喂数据一直是廉价劳动的代名词。 肯尼亚的众包工人拿 2 美元时薪，普通兼职拿 15 美元。 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？ 因为大模型的进化，撞上了一堵硬墙：评估者瓶颈。 2023 年大模型刚爆发，训练主要靠基础的人类反馈强化学习。 那时任务极其简单。 给一段提示词，模型生成两个回答。 人在后台点选哪个更通顺、哪个没有有害内容。 这叫通用数据标注。 它不需要专业背景，拼的是手速和廉价劳动力。 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。 模型开始向自主智能体和复杂推理演进。 AI 开始替企业处理真正的商业任务。 起草 B2B 销售方案，审查并购合同，编写底层代码。 整个技术链条突然出现了一个致命断层。 机器生成的复杂策略，普通众包人员根本分不清好坏。 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。 模型能力越强大，评价它的门槛就越高。 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。 训练市场随之发生剧烈分化。 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。 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。 Mo Zohourian 在传统职场被简历筛选系统刷掉了 10 个月。 但在 AI 训练平台上，他通过了逻辑与推理测试。 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。 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。 过去是算力最贵，人的经验最廉价。 如今是基础算力泛滥。 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。 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。 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。 究竟是谁先看懂了人类经验的真正价值？