브라운대 학생이 AI 데이터 노동의 숨은 연결망을 지도로 그렸다

브라운대학교 학부생 Cunyan Ma가 AI 알고리즘을 떠받치는 데이터 노동의 글로벌 연결망을 인터랙티브 지도로 제작해 무료로 공개했다. 지도 위에는 기술 기업과 그 사이를 잇는 중개 업체, 그리고 세계 각지의 데이터 라벨링 작업 거점이 점과 선으로 표현된다. 대학의 기술 책임·재상상·재설계 센터와 함께 진행한 프로젝트의 결과물이다.

지도가 현재 담고 있는 범위는 데이터 라벨링 전문 기업 13곳, 이들의 고객사 141곳, 데이터 노동자 작업장이 위치한 31개국이다. Ma는 기존에 공개된 라벨링 기업 데이터베이스에 자신이 직접 수집한 납품 센터 목록과 노동 조건을 다룬 언론 보도를 더해 하나의 그림으로 묶었다.

출발점은 AI 모델이 사람 손 없이는 거의 아무것도 하지 못한다는 사실이다. 사진 속 사물에 이름을 붙이거나 문장의 품사에 표시를 하는 일, 긴 음성을 받아 적는 일, 챗봇 답변의 좋고 나쁨을 평가하는 일, 의료 영상에서 종양 경계를 표시하는 일이 모두 여기에 속한다. 단순 반복처럼 보이지만 어두운 면도 있다. 유해 이미지나 게시물을 걸러내는 모델을 만들려면, 그 모델이 무엇을 걸러야 하는지 알도록 사람이 직접 그 콘텐츠를 봐야 한다.

소셜미디어·기술 기업부터 유통·방산 기업까지 대부분은 라벨링 작업을 전문 업체에 맡기고, 그 업체들은 값싼 노동력을 찾아 나선다. 그 결과 케냐, 인도네시아, 콜롬비아 같은 글로벌 사우스 지역에 작업이 몰린다. Ma가 'AI 식민주의'라고 부르는 구조다. 서구의 이익을 위해 힘들고 값싼 노동을 다른 지역에서 끌어다 쓰는 셈이다.

그가 지도를 만든 이유는 지식의 공백이다. 데이터 노동자에 대해 알려진 내용은 대부분 기자나 연구자의 개별 사례 보도에 머물러 있다. 현장의 임금과 근무 조건은 생생하게 드러나지만, 산업 전체가 어떤 모양인지는 보이지 않는다는 것이다.

개발자 입장에서 이 지도는 모델을 만들 때 데이터가 어디서 왔는지 설명할 근거가 된다. 라벨링을 외주로 돌릴 때 하청이 몇 단계까지 이어지는지, 작업자가 어느 지역에 몰려 있는지를 확인할 수 있다. 유해 콘텐츠 필터나 안전 정렬 데이터를 설계할 때는 그 데이터를 만드는 사람이 무엇을 보게 되는지도 설계 변수로 들어온다. 지도를 지도한 Suresh Venkatasubramanian 브라운대 컴퓨터과학 교수는 AI가 스스로 살아 있는 존재처럼 서술되는 담론을 경계해야 한다는 점을 강조한다. 알고리즘 아래에는 결국 사람이 있다는 것이다.

한계도 분명하다. Ma 스스로 이 지도가 AI 노동 사슬 전체를 담은 완전한 자료가 아니라 예시적 도구라고 말한다. 기업들이 공급망을 의도적으로 불투명하게 유지해 온 탓에 전수 파악이 어렵고, 노동자의 실제 위치는 라벨링 기업의 납품 센터를 대리 지표로 삼아 추정했다.

확장 계획도 있다. Ma는 지도 범위를 넓히는 한편 반도체 산업에 얽힌 노동까지 지도로 그릴 계획이다. 권력 지도(power mapping) 기법으로 글로벌 권력 구조가 노동 분배에 미치는 영향을 분석하는 것이 목표다. 흩어져 있어 서로의 존재조차 모르는 데이터 노동자들이 향후 버전의 지도를 통해彼此를 확인하고 연결될 수 있기를 기대한다는 점도 덧붙였다.