[THE VIEW]AI审核：看不见的劳动

Published 23 Sep.2025 11:21(KST)

Updated 23 Sep.2025 13:51(KST)

open/close

生成式AI催生新市场“验证产业”
起草更快但信任成本更高

如今是人工智能能写文章、画画，甚至创作音乐的时代。只要询问一次旅行行程，从机票搜索到住宿推荐，再到详细行程表的编写，很快就能给出结果。餐厅预约或购物清单也能在几秒钟内整理出来。

然而，通过这种方式得到的答案，往往掺杂着错误信息或夸张表述，直接照单全收总让人有些不安。再举个例子，如果企业要撰写一份报告，以前需要员工花上几天时间收集和整理资料，才能完成初稿，如今则可以由人工智能迅速生成初稿。

问题在于接下来这一步。数字是否准确、出处是否清晰、语境是否恰当等，都需要人一项一项仔细核查。现实中，起草初稿所需的时间虽然缩短了，但验证和修改的时间却增加了，因此整体工作效率并没有像预期那样大幅提升。归根结底，人类仍然必须重新检查并加以修正。就这样，我们正生活在一个由人工智能先产出结果、再由人类复核的“人工智能标注时代”。

这一趋势正在迅速催生新的角色和产业。在美国，已经出现了专门验证人工智能生成文本和图像的初创企业，典型服务包括为结果打出置信度评分，或追踪来源以判断是否存在伪造。耐人寻味的是，这一切看上去并不陌生。

我们早已在人工智能学习数据构建过程中经历过所谓的“数据标注”劳动。无数人给图像打标签、为句子附加含义，从而构建起大规模数据集，如今这一过程不再发生在前端，而是被移到了后端、重新上演。也就是说，在生成式人工智能源源不断吐出文本、图像和语音之后，人类必须再次出场，去区分哪些是“真的”，哪些是“假的”。

这种验证劳动既简单重复，又极度消耗注意力。因为一条错误信息、一张被篡改的图片，都可能引发社会层面的巨大波澜。表面上看似微不足道，但实际上绝非轻松之事。尽管如此，这种劳动却很可能像过去的数据标注那样，被贴上“看不见的劳动”的标签而遭到低估。尤其在教育、媒体、行政等公共领域，随着验证负担的不断加重，整个社会的疲惫感也可能更快地累积。

生成式人工智能大量产出的文本、图像和语音，必须由人工重新核查并区分“真”“假”，这种验证劳动的重要性正日益凸显。图片由Getty Image Bank提供

这种讽刺意味对企业和个人同样沉重。企业原本期待通过引入人工智能来提升效率，但现实却是验证成本和风险管理成本不断攀升。个人也不例外。即便生成式人工智能可以代写博客文章、企划案或电子邮件初稿，最终仍需人类再读一遍、润色一遍。甚至有人抱怨，修改人工智能写出的内容所花的时间，比从头自己写还要长。

美国则把这一现象视为新的市场机遇。随着人工智能安全、可信度评估、伪造鉴别等领域的快速成长，“人工智能验证产业”正成为一个独立板块。投资者开始为“值得信赖的人工智能”支付溢价，大学和研究机构则把验证技术视为战略性培育方向。最近，大型科技企业也纷纷设立自有的人工智能验证部门，或加大对外部验证类初创企业的投资。

这是因为，仅仅“把人工智能做得更好”已难以在市场上赢得信任。进一步看，制度层面的动作也在跟进。联邦贸易委员会和国家标准与技术研究院陆续出台了关于人工智能透明度和验证程序的指导方针，并明确表示，无法满足这些要求的企业将面临监管风险。由此可见，在美国，人工智能验证已不再是单纯的技术问题，而是关乎产业竞争力和企业公信力的核心课题。

归根到底，人工智能时代的关键竞争力，并不只是生产更多结果的能力。关键在于，这些结果是否真实、是否可靠、能否获得社会信任。“人工智能标注时代”并不仅意味着一种新的疲惫感，更是以可信度为基础的新产业和新职业正在兴起的信号。社会真正该关注的，不是多快引入人工智能，而是如何构建起完善的验证体系。

最终，生成式人工智能的创新，并不会在“造出更聪明的机器”这一点上画句号，而是在用户能够信任并安心使用这些结果的体验中，才算真正完成。