Dalam banyak hal, kebangkitan startup Scale mencerminkan kebangkitan OpenAI. Kedua perusahaan ini didirikan sekitar satu dekade yang lalu dan bertaruh bahwa industri saat itu berada di puncak dari apa yang disebut Alexandr Wang sebagai “titik krusial perubahanAI”. CEO mereka, yang berteman dan sempat tinggal bersama, keduanya adalah ahli dalam membangun jaringan dan telah menjadi wajah sektor AI di hadapan Kongres. Dan OpenAI juga telah menerima investasi sebesar 11 juta dolar dari sebuah perusahaan teknologi besar.
Trajektori startup Scale telah membentuk, dan dibentuk oleh, booming AI yang dilepaskan oleh OpenAI. Pada tahun-tahun awalnya, Scale lebih berfokus pada pelabelan gambar mobil, lampu lalu lintas, dan rambu-rambu jalan untuk membantu melatih model yang digunakan untuk membuat teknologi mobil otonom. Namun, sejak saat itu, Scale telah membantu membuat anotasi dan mengkurasi data teks dalam jumlah besar yang diperlukan untuk membangun apa yang disebut model bahasa besar yang menggerakkan chatbot seperti ChatGPT. Model-model ini belajar dengan menggambar pola dari data dan label masing-masing.
Kerap kali, pekerjaan tersebut membuat Scale menjadi penangkal kritik tentang tenaga kerja tak terlihat di tempat-tempat seperti Kenya dan Filipina yang mendukung pengembangan AI. Scale telah menghadapi pengawasan karena mengandalkan ribuan kontraktor di luar negeri yang dibayar cukup rendah untuk menyaring data online, dengan beberapa orang mengatakan bahwa mereka menderita trauma psikologis dari konten yang diminta untuk ditinjau. Dalam sebuah wawancara dengan Bloomberg pada tahun 2019, Alexandr Wang mengatakan bahwa para pekerja kontrak perusahaan mendapatkan gaji yang “bagus” - “di persentil ke-60 hingga ke-70 dari upah di wilayah geografis mereka.”
Juru bicara Scale AI, Joe Osborne, mengatakan bahwa Departemen Tenaga Kerja AS baru-baru ini menghentikan penyelidikan terhadap kepatuhan perusahaan terhadap peraturan ketenagakerjaan yang adil.
Bisnis Scale telah berkembang. Semakin banyak perusahaan teknologi yang mulai bereksperimen dengan menggunakan data sintetis yang dihasilkan oleh AI untuk melatih sistem AI, yang berpotensi mengurangi kebutuhan akan beberapa layanan yang sebelumnya disediakan oleh Scale. Namun, laboratorium AI terkemuka juga berjuang untuk mendapatkan data pelatihan berkualitas tinggi yang cukup guna membangun sistem AI yang lebih canggih dan mampu melakukan tugas-tugas kompleks sebaik, atau lebih baik dari, manusia.
Untuk memenuhi kebutuhan tersebut, Scale semakin banyak beralih ke kontraktor dengan bayaran yang lebih tinggi dan bergelar sarjana untuk meningkatkan sistem AI. Para ahli ini berpartisipasi dalam proses yang dikenal sebagai pembelajaran penguatan, yang memberi penghargaan kepada sistem untuk jawaban yang benar dan menghukumnya atas respons yang salah.
Para ahli yang bekerja dengan Scale mendapat tugas membuat masalah yang rumit - pada dasarnya adalah tes - untuk dipecahkan oleh model-model tersebut, menurut seseorang yang mengetahui masalah ini yang tidak ingin disebutkan namanya karena informasi ini bersifat pribadi. Pada awal 2025, 12% dari tim kontributor perusahaan yang bekerja pada proses peningkatan model-model ini memiliki gelar PhD di berbagai bidang seperti biologi molekuler dan lebih dari 40% memiliki gelar master, gelar sarjana hukum, atau MBA di bidangnya, kata orang tersebut.
Sebagian besar proses ini ditujukan untuk perusahaan yang ingin menggunakan AI untuk aplikasi medis dan hukum, kata orang tersebut. Salah satu area fokusnya, misalnya, adalah membuat model AI untuk menjawab pertanyaan tentang hukum pajak dengan lebih baik, yang dapat sangat berbeda dari satu negara ke negara lain dan bahkan dari satu negara ke negara lain.
Pertaruhan seperti itu mendorong pertumbuhan yang signifikan bagi perusahaan. Scale menghasilkan pendapatan sekitar US$870 juta pada tahun 2024 dan mengharapkan pendapatan US$2 miliar tahun ini, Bloomberg News melaporkan pada bulan April. Scale telah melihat permintaan untuk jaringan ahlinya meningkat setelah adanya DeepSeek, kata orang yang mengetahui masalah ini, karena semakin banyak perusahaan yang berinvestasi dalam model yang meniru penalaran manusia dan melakukan tugas-tugas yang lebih rumit.
(bbn)
