Det er noe nesten svimlende ved scenen. En arkitekt som har utdannet seg i årevis, avslutter arbeidsdagen, åpner en nettplattform og forklarer en maskin, trinn for trinn, hvordan man utarbeider et forslag til et bygg eller gjennomfører en lønnsomhetsanalyse. Dette er ingen skoleøvelse. Hun trekker på det virkelige arbeidet sitt, de profesjonelle vanene sine og den delen av ekspertisen som man sjelden lærer fra en håndbok.

Arkitekten heter Cuicui og bor i Shenzhen. På fem år er inntekten hennes halvert i en periode med fallende offentlige investeringer i infrastruktur. Om kvelden jobber hun derfor for TalentsAI for å betale boliglånet og barnets fritidsaktiviteter. Paradokset ligger her: På kort sikt tjener hun penger på kunnskap som på lengre sikt kan bidra til å gjøre hennes eget yrke mindre sjeldent.

For å forbli betalingsdyktige i dag lærer enkelte fagfolk maskinen det som i morgen kan gjøre deres eget arbeid mindre uunnværlig.

Dette er ikke lenger annotering: det er overføring av fagkunnskap

Ordet «annotering» gir fortsatt assosiasjoner til små, repetitive oppgaver: klassifisere et bilde, kontrollere en setning, klikke på en kategori. Her er skalaen en annen. Plattformene leter etter personer som kan formidle profesjonell resonnering, metoder, avveininger og noen ganger til og med evnen til å gjenkjenne et godt svar uten å kunne forklare det med en enkel regel.

ByteDance lanserte Xpert i 2025 og sier at selskapet har rekruttert over 50 000 eksperter, fra forfattere til terapeuter. Alibaba rekrutterer gjennom Siriser blant annet lærere, maskiningeniører og komponister. TalentsAI og MeetChances retter seg også mot journalister, skatteeksperter og hodejegere. I USA rekrutterer Mercor, Surge AI og Handshake allerede advokater, forskere og filmarbeidere for å trene modeller på oppgaver for kunnskapsarbeidere.

Endringen er viktig: Råvaren er ikke lenger bare data, men menneskelig dømmekraft. I disse oppdragene er det måten en ekspert går fra et ufullstendig problem til en anvendelig beslutning på, som er etterspurt. I juni oppfordret Kinas National Data Administration også til utvikling av datasett av høy kvalitet og oppmuntret universitetsutdannede til å se annotering som fleksibelt arbeid.

Det kinesiske markedet for treningsdata til KI ventes å nå 1,1 milliarder dollar i 2026, 25 % mer enn i 2025. Samtidig steg det daglige tokenforbruket i Kina fra rundt 100 milliarder tidlig i 2024 til 500 billioner i midten av 2026. Disse tallene betyr ikke at eksperter kommer til å forsvinne. De viser derimot hvor sterkt økosystemet trenger et mer avansert drivstoff: eksempler på resonnering som modeller kan bruke.

Hvorfor gå med på å trene en potensiell konkurrent?

Det enkleste svaret er også det minst behagelige: fordi et moralsk prinsipp sjelden veier like tungt som en boliglånsbetaling som forfaller. I Kina beskriver de intervjuede arbeiderne jobben som krevende, usikker og dårligere betalt enn i USA. Noen oppdrag gir mellom 100 og 500 yuan, altså rundt 15 til 74 dollar, samtidig som de kan ta flere timer. Oppgaver kan bli avvist av kvalitetsteam og ende uten betaling.

Den økonomiske situasjonen spiller derfor en sentral rolle. Ungdomsledigheten i Kina oppgis til 17,9 %. MeetChances brukte til og med et svært direkte reklamebudskap på RedNote: Etter en oppsigelse i middelalderen kan det være et alternativ å bli KI-trener. Løftet er ikke en prestisjefylt karriere. Det er en inntekt som er tilgjengelig nå.

Den samme konflikten finnes andre steder. I Sør-Afrika avslo James Maisiri, doktor i industriell sosiologi, et oppdrag der han skulle overføre til en KI det han hadde lært gjennom ti år om utforming av vurderinger, undervisning og retting. Jobben betalte 600 rand i timen, omtrent 37 dollar, langt over den nasjonale minstelønnen på 30,23 rand. Likevel mente han at betalingen ikke oppveide det grunnleggende problemet: å bidra til å bygge et verktøy som kan konkurrere med yrket han hadde brukt år på å mestre.

Ikke alle har råd til å si nei. I Sør-Afrika nådde ungdomsledigheten 47,4 % i andre kvartal 2026. Det er her dilemmaet blir mindre filosofisk. Jo dårligere arbeidsmarkedet blir, desto vanskeligere blir det å opprettholde grensen mellom «jeg beskytter ekspertisen min» og «jeg selger det jeg kan selge».

Bedre betalt ekspertise fjerner ikke paradokset

I USA kan modellen være langt mer innbringende. Mercor, verdsatt til 10 milliarder dollar, har over 30 000 kontraktsarbeidere i kunnskapsyrker som jobber for laboratorier som OpenAI eller Anthropic. Advokater og leger skal i gjennomsnitt tjene 85 til 200 dollar i timen, mens enkelte spesialiteter, som psykiatri eller venturekapital, kan komme opp i 350 til 1 000 dollar i timen.

Men en høy sats endrer ikke byttets natur. Eksperten selger mindre en times produksjon enn en del av sitt komparative fortrinn. Nettopp derfor fortjener dette nye markedet å bli betraktet som noe mer enn bare en «KI-ekstrajobb».

Hva Kina varsler — og ikke varsler — for Europa

Vi må være presise: Ingen av tilfellene som er dokumentert her, gjør det mulig å hevde at dette fenomenet allerede er etablert i Frankrike eller Europa. Kina, USA, Sør-Afrika og India viser likevel at mekanismen ikke er begrenset til ett enkelt økonomisk system. Den oppstår både i markeder der ekspertise betales godt, og i land der nødvendighet presser folk til å ta usikre oppdrag.

Det som kan overføres til Europa, er derfor ikke nødvendigvis lønnsnivået, den juridiske statusen eller engang den nøyaktige formen på plattformene. Det er mekanismen: Når en sektor ansetter mindre, et KI-selskap leter etter en sjelden kompetanse og en fagperson har denne kompetansen, men mangler muligheter, kan det oppstå et marked som omdanner taus kunnskap til treningsmateriale.

Denne muligheten fortjener desto mer oppmerksomhet fordi innstegsstillinger for enkelte kunnskapsarbeidere — unge advokater, finansanalytikere, forskere — ifølge Datasumi allerede skal ha falt med 50 % siden 2019. Det ville være urimelig å konkludere med at KI er den eneste årsaken, eller at Europa automatisk vil følge samme utvikling. Men rekken av hendelser er sammenhengende nok til å reise et alvorlig spørsmål: Hva skjer når de første jobbene som gjorde det mulig å bygge erfaring, blir sjeldnere, samtidig som maskinene lærer nettopp å utføre en del av disse oppgavene?

Menneskelig kunnskap er kanskje mer verdt som råvare enn som stilling

For meg er dette det mest urovekkende punktet. Lenge antok man at komplekse yrker ville være beskyttet fordi de bygger på mange års erfaring, kontekst, unntak og dømmekraft. Men det er nettopp denne kompleksiteten som blir verdifull for KI-selskaper.

Menneskelig kunnskap har derfor ikke blitt unyttig. Nesten tvert imot: Den er verdifull nok til at eksperter blir betalt for å la den fanges opp. Spørsmålet er hvem som beholder verdien når denne kunnskapen først er omgjort til en reproduserbar programvarekapasitet.

  • For fagpersonen gir oppdraget umiddelbar inntekt.
  • For plattformen omdanner det sjelden ekspertise til eksempler som kan gjenbrukes i stor skala.
  • For kundebedriften kan det i fremtiden redusere behovet for å bruke en ekspert på hver lignende oppgave.

Det betyr ikke at hver advokat, arkitekt eller ingeniør er i ferd med å programmere sin egen oppsigelse. Ingenting i de dokumenterte tilfellene støtter en så mekanisk konklusjon. Likevel fortjener utviklingen bedre enn klisjeen om «roboten som stjeler jobber».

Det virkelige skiftet er mer diskret: Fagfolk under press kan bli midlertidige leverandører av kunnskapen som automatiserer en del av deres egen verdikjede. Kina viser oss først og fremst hva dette markedet blir når det økonomiske presset er sterkt. For Europa er advarselen ikke en profeti. Det er et spørsmål som bør avklares før nødvendigheten bestemmer på vegne av fagfolkene: Hvor mye er ekspertise verdt når den selges én gang, men deretter kan reproduseres nesten uten ende?