مقاومت مردمی در برابر گسترش غیرشفاف هوش مصنوعی، دیتاسنترها و استثمار نیروی کار پنهان

از دستمزد ۱٫۳۲ تا ۲ دلار در ساعت تا ارزش‌گذاری صدها میلیارد دلاری؛ یک زنجیرهٔ واحد از سفارش‌دهنده تا پیمانکار

مقدمه

هوش مصنوعی معمولاً همچون محصولی خودکار، پاک و بی‌نیاز از نیروی انسانی معرفی می‌شود؛ اما پشت این تصویر، شبکه‌ای گسترده از دیتاسنترهای پرمصرف، استخراج مواد معدنی، برق و آب عمومی، و هزاران کارگر کم‌دستمزد قرار دارد که داده‌ها را برچسب می‌زنند، پاسخ‌های مدل را ارزیابی می‌کنند و خشن‌ترین محتواهای اینترنت را پالایش می‌کنند. هزینه‌های اجتماعی و روانی این زنجیره عمدتاً بر دوش جوامع محلی و کارگران جنوب جهانی می‌افتد، در حالی که کنترل فناوری و بخش اصلی درآمد و ارزش ایجاد شده در دست شرکت‌های بزرگ باقی می‌ماند.

دستمزد دو دلاری: واقعیت پنهان پشت ChatGPT

تحقیق مجلهٔ تایم نشان داد که OpenAI برای ایمن‌ترکردن ChatGPT، پالایش و برچسب‌گذاری متن‌های حاوی خشونت، نفرت، سوءاستفادهٔ جنسی و دیگر محتوای آسیب‌زا را به شرکت ساما سپرد. کارگران مستقر در کنیا برای این کار تنها حدود ۱٫۳۲ تا ۲ دلار در ساعت دریافت می‌کردند. در همان قرارداد، بنا بر اسناد گزارش‌شده، OpenAI بابت هر ساعت کار هر کارگر ۱۲٫۵۰ دلار به ساما می‌پرداخت. بنابراین حتی پیش از مقایسه با درآمد یا ارزش‌گذاری OpenAI، شکاف میان مبلغ پرداختی در بالای زنجیره و مزد دریافتی کارگر آشکار است.

این کارگران «کارکنان مستقیم OpenAI» نبودند، اما این تفکیک حقوقی نباید به تفکیک مسئولیت اجتماعی تبدیل شود. OpenAI سفارش‌دهنده، طراح نیاز کاری و بهره‌بردار نهایی داده‌های پالایش‌شده بود؛ ساما نیز نیروی کار را استخدام، سازمان‌دهی و مدیریت می‌کرد. از نظر ساختاری، هر دو حلقه‌های یک فرایند اقتصادی واحد بودند: کاهش هزینهٔ تولید از طریق انتقال کار سخت و آسیب‌زا به نیروی کار ارزان. نمی‌توان نیت درونی مدیران دو شرکت را بدون سند قطعی اعلام کرد، اما نتیجهٔ قابل مشاهدهٔ قرارداد روشن بود: محصول و ارزش در رأس زنجیره انباشته شد و مزد ناچیز و آسیب روانی در پایین زنجیره باقی ماند.

دستمزد روزانه چقدر می‌شود؟

اگر روز کاری را هشت ساعت در نظر بگیریم، مزد ۱٫۳۲ دلار در ساعت برابر ۱۰٫۵۶ دلار در روز و مزد ۲ دلار در ساعت برابر ۱۶ دلار در روز است. بنابراین عبارت «روزی دو دلار» دربارهٔ پروندهٔ مستند کنیا دقیق نیست؛ رقم مستند، کمتر از دو دلار در ساعت است. با این حال، همین اصلاح نشان می‌دهد که مسئله کوچک نیست: کارگری که هر روز با محتوای تکان‌دهنده روبه‌رو می‌شد، حتی در بالاترین رقم گزارش‌شده برای هشت ساعت کار فقط ۱۶ دلار دریافت می‌کرد.

مقایسه با درآمد، سود و ارزش‌گذاری OpenAI

برای ارزیابی این شکاف باید سه مفهوم را از هم جدا کرد. درآمد، پول حاصل از فروش خدمات است؛ سود، درآمد پس از کسر هزینه‌هاست؛ و ارزش‌گذاری، برآورد سرمایه‌گذاران از ارزش شرکت است. گزارش رویترز در سال ۲۰۲۵ درآمد سالانه‌شدهٔ OpenAI را در مسیر رسیدن به ۲۰ میلیارد دلار تا پایان همان سال توصیف کرد. رویترز در آوریل ۲۰۲۶ نیز از دور سرمایه‌گذاری ۱۲۲ میلیارد دلاری و ارزش‌گذاری ۸۵۲ میلیارد دلاری خبر داد. این ارقام به معنای «سود» نیستند. با این حال، مقایسهٔ آن‌ها با مزد ۱٫۳۲ تا ۲ دلار در ساعت، تمرکز عظیم منابع در رأس زنجیره و سهم ناچیز سازندگان پنهان محصول را نشان می‌دهد.

حتی اگر بالاترین مزد گزارش‌شده، یعنی ۲ دلار در ساعت، مبنا قرار گیرد، یک کارگر با ۴۰ ساعت کار هفتگی و ۵۲ هفته کار حدود ۴٬۱۶۰ دلار در سال به دست می‌آورد؛ آن هم پیش از توجه به وقفه‌های کاری، کار بی‌مزد، نبود مزایا و ناامنی قرارداد. این قیاس نمی‌گوید ارزش‌گذاری شرکت باید میان کارگران تقسیم شود؛ بلکه نشان می‌دهد سازوکار تعیین مزد هیچ تناسبی با اهمیت واقعی کار آنان در تولید محصول ندارد.

آسیب روانی و مسئولیت غیرقابل برون‌سپاری

کارگران کنیایی گزارش کردند که ساعت‌ها با توصیف‌های قتل، شکنجه، تجاوز و سوءاستفاده از کودکان مواجه بودند. برخی از آسیب شدید روانی و ناکافی‌بودن حمایت‌های درمانی سخن گفتند. وقتی یک شرکت محتوای آسیب‌زا را به پیمانکار منتقل می‌کند، خودِ خطر حذف نمی‌شود؛ فقط به کارگرانی منتقل می‌شود که قدرت چانه‌زنی و امکان دادخواهی کمتری دارند. برون‌سپاری نباید راهی برای پنهان‌کردن منشأ کار، شکستن رابطهٔ استخدامی و پراکنده‌کردن مسئولیت باشد.

یک الگوی جهانی، نه یک استثنای کنیایی

پژوهش SOMO در سال ۲۰۲۶ گزارش کرد که آمازون، گوگل، متا، مایکروسافت و انویدیا دست‌کم از ۳۰ شرکت واسطه برای کار داده استفاده می‌کنند. گزارش‌های میدانی نیز شبکه‌هایی از برچسب‌زن‌ها، ارزیاب‌ها و تعدیل‌گران محتوا را در کنیا، اوگاندا، غنا، فیلیپین، هند و آمریکای لاتین توصیف کرده‌اند. سطح مزد و رابطهٔ استخدامی در همهٔ کشورها یکسان نیست و نباید رقم پروندهٔ کنیا را بدون سند به همه تعمیم داد؛ اما الگوی مشترک، کار پلتفرمی ناپایدار، پیمانکاری چندلایه، نظارت شدید، پرداخت بر مبنای وظیفه و دشواری تشکل‌یابی است.

در کنیا، کارگران به تشکیل انجمن برچسب‌زن‌های داده و اتحادیه‌های تعدیل‌گران محتوا روی آورده‌اند. پرونده‌های قضایی علیه متا و پیمانکارانش نیز اهمیت ویژه‌ای دارند، زیرا دادگاه‌های کنیا پذیرفته‌اند که شرکت اصلی نمی‌تواند صرفاً با استناد به وجود پیمانکار از حوزهٔ پاسخ‌گویی خارج شود. این مبارزات نشان می‌دهد مطالبه فقط افزایش مزد نیست؛ کارگران خواهان شناسایی رابطهٔ واقعی کار، حمایت روانی، امنیت شغلی، حق تشکل و امکان دادخواهی فرامرزی هستند.

دیتاسنترها: چهرهٔ فیزیکی هوش مصنوعی

هوش مصنوعی به زیرساخت‌های بسیار مادی وابسته است. دیتاسنترها زمین می‌گیرند، برق فراوان مصرف می‌کنند، برای خنک‌سازی به آب نیاز دارند و گاه ساخت نیروگاه‌ها و خطوط انتقال تازه را ضروری می‌سازند. هزینهٔ توسعهٔ شبکه یا مشوق‌های مالیاتی ممکن است به مردم منتقل شود، در حالی که دیتاسنتر پس از ساخت معمولاً اشتغال دائمی محدودی ایجاد می‌کند. به همین دلیل مخالفت‌های محلی غالباً مخالفت با خود فناوری نیست؛ اعتراض به نبود شفافیت، یارانه‌های عمومی، مصرف منابع و تصمیم‌گیری بدون مشارکت جامعه است.

در آفریقای جنوبی، Housing Assembly و سازمان Foxglove علیه دو دیتاسنتر پیشنهادی Equinix در کیپ‌تاون اعتراض رسمی ثبت کردند. دغدغه‌ها شامل مصرف نامشخص آب، نیاز احتمالی تا ۱۶۰ مگاوات برق، انتشار آلاینده‌ها و فقدان مشورت عمومی بود؛ آن هم در شهری که خاطرهٔ بحران «روز صفر» آب را تجربه کرده است. در بریتانیا نیز بحث بر سر توقف یا محدود کردن دیتاسنترهای بزرگ در شرایط خشکسالی به مناقشه‌ای ملی تبدیل شده است.

در ایالات متحده، گزارش Data Center Watch برآورد کرد که طی دو سال، ۱۸ میلیارد دلار پروژه متوقف و ۴۶ میلیارد دلار پروژه به تأخیر افتاده و دست‌کم ۱۴۲ گروه در ۲۴ ایالت فعال بوده‌اند. این ارقام باید با احتیاط خوانده شوند، زیرا همهٔ لغوها را نمی‌توان فقط به اعتراض مردمی نسبت داد. بااین‌حال، گزارش‌های تازه‌تر از گسترش سریع مقاومت و توقف یا تأخیر ده‌ها پروژه دیگر حکایت دارند. موضوعات اصلی عبارت‌اند از افزایش قبض برق، مصرف آب، سروصدا، تخریب فضای سبز، کاهش ارزش ملک و اعطای معافیت مالیاتی به شرکت‌های ثروتمند.

نمونه‌های مشخص از پیروزی‌ها، توقف‌ها و مبارزات ادامه‌دار

فایت‌ویل، جورجیا: در اوایل سال ۲۰۲۶، پس از آنکه حدود صد نفر از ساکنان در جلسهٔ عمومی مخالفت خود را با ساخت دومین دیتاسنتر اعلام کردند، کمیسیون برنامه‌ریزی درخواست شرکت Crow Holdings را رد کرد. شرکت ابتدا اعتراض کرد، اما پیش از جلسهٔ بعدی درخواست تجدیدنظر خود را پس گرفت. شهر سپس توقف موقت پذیرش درخواست‌های تازه را تصویب و مقررات منطقه‌بندی را برای جلوگیری از ساخت دیتاسنترهای جدید تغییر داد. این نمونه نشان می‌دهد حضور سازمان‌یافتهٔ مردم در نهادهای محلی می‌تواند مستقیماً مسیر یک پروژه را تغییر دهد.

شهرستان کووتا، جورجیا: کمیسیون شهرستان پروژهٔ Oak را به اتفاق آرا رد کرد. در مقابل، مبارزه علیه پروژهٔ بزرگ‌تر Sail ــ مجموعه‌ای پیشنهادی در حدود ۸۰۰ جریب ــ همچنان ادامه دارد. ساکنان و گروه‌هایی مانند Citizens for Rural Coweta برای برگزاری همه‌پرسی و لغو مجوز پروژه امضا جمع‌آوری کرده‌اند. بنابراین پروژهٔ Oak را می‌توان نمونهٔ ردشدن دانست، اما دربارهٔ Sail باید دقیق گفت که نتیجه هنوز نهایی نشده است.

شهرستان کمدن، جورجیا: در سال ۲۰۲۶، کمدن نخستین شهرستان ساحلی جورجیا شد که توقف موقت بررسی و ساخت دیتاسنترهای جدید را تصویب کرد. هم‌زمان یکی از طرح‌های دیتاسنتر نیز تعلیق شد. این تصمیم در پی نگرانی‌های عمومی دربارهٔ آب، برق، توسعهٔ بدون شفافیت و تأثیر پروژه‌ها بر جوامع محلی اتخاذ شد.

گروس‌گراو، ایالت هسن آلمان: شورای شهر در فوریهٔ ۲۰۲۶ پروژهٔ ۲٫۵ میلیارد یورویی شرکت Vantage Data Centers را با رأی ۱۸ در برابر ۱۴ رد کرد. مصرف عظیم برق، گرمای تولیدشده، فشار بر زیرساخت‌ها و نگرانی‌های ایمنی از محورهای بحث عمومی و سیاسی بودند. این پرونده نمونه‌ای روشن از رد رسمی یک پروژهٔ عظیم پس از مناقشه و بررسی عمومی است.

ماینتال، آلمان: شرکت EdgeConneX از اجرای پروژهٔ برنامه‌ریزی‌شدهٔ خود صرف‌نظر کرد. مقاومت یک ابتکار مردمی علیه نیروگاه گازی موردنیاز برای تأمین انرژی دیتاسنتر، در کنار مناقشهٔ محلی دربارهٔ مصرف انرژی و سوخت فسیلی، در این عقب‌نشینی نقش داشت.

بابن‌هاوزن، ایالت هسن آلمان: Stack Infrastructure برنامهٔ ساخت دیتاسنتر خود را کنار گذاشت. گزارش‌ها بر نبود حمایت روشن دولت محلی و عدم اطمینان دربارهٔ آیندهٔ پروژه تأکید می‌کنند. ازاین‌رو، این مورد را باید «لغو پروژه در فضای مخالفت و نبود حمایت محلی» توصیف کرد، نه اینکه بدون مدرک آن را صرفاً نتیجهٔ مستقیم اعتراض خیابانی دانست.

این نمونه‌ها نشان می‌دهند نتیجهٔ مقاومت همیشه یکسان نیست: گاهی درخواست ساخت رسماً رد می‌شود؛ گاهی شرکت عقب‌نشینی می‌کند؛ گاهی توقف موقت برای تدوین مقررات برقرار می‌شود؛ و در مواردی مبارزه هنوز ادامه دارد. ثبت دقیق این تفاوت‌ها برای ارزیابی قدرت واقعی مشارکت مردمی و جلوگیری از بزرگ‌نمایی ضروری است.

مقاومت در محیط کار و فرهنگ

مقاومت علیه شیوهٔ سرمایه‌دارانهٔ استقرار هوش مصنوعی فقط به دیتاسنترها محدود نیست. اعتصاب ۱۱٬۵۰۰ نویسندهٔ هالیوود در سال ۲۰۲۳، اعتصاب حدود ۱۶۰ هزار بازیگر و مبارزهٔ طولانی اجراکنندگان بازی‌های ویدئویی، همگی خواهان محدودیت استفاده از هوش مصنوعی، رضایت آگاهانه و جبران مالی بودند. کارگران بنادر نیز در برابر اتوماسیونی که بدون تضمین شغلی و مشارکت اتحادیه اجرا شود مقاومت کرده‌اند. این جنبش‌ها عموماً خواهان ممنوعیت مطلق فناوری نیستند؛ آن‌ها می‌پرسند چه کسی مالک فناوری است، چه کسی تصمیم می‌گیرد و منافع بهره‌وری به چه کسانی می‌رسد.

مطالبات مشترک یک جنبش جهانی

از دل این مبارزات می‌توان چند مطالبهٔ مشترک استخراج کرد: افشای نام تمام پیمانکاران و زیرپیمانکاران؛ مسئولیت مشترک شرکت سفارش‌دهنده و واسطه در برابر مزد، ایمنی و سلامت روان؛ حداقل مزد قابل زیست به‌جای نرخ‌های مبتنی بر ارزان‌ترین بازار کار؛ حق تشکل و مذاکرهٔ جمعی؛ منع اخراج تلافی‌جویانه؛ ارزیابی مستقل آب، برق، کربن و اثرات زیست‌محیطی دیتاسنترها؛ انتشار قراردادهای یارانه و معافیت مالیاتی؛ رضایت و جبران مالی برای استفاده از صدا، تصویر و آثار؛ و مشارکت الزام‌آور جامعه و کارگران پیش از استقرار سامانه‌های هوش مصنوعی.

نتیجه‌گیری

دستمزد ۱٫۳۲ تا ۲ دلار در ساعت یک حاشیهٔ تصادفی در تاریخ ChatGPT نیست؛ این رقم فشرده‌ترین نشانهٔ الگوی انباشت سرمایه‌داری در اقتصاد هوش مصنوعی و در نظم اجتماعی کنونی است. در این الگو، تولید ماهیتی هرچه اجتماعی‌تر و جهانی‌تر پیدا می‌کند: هزاران کارگر، کاربر، پژوهشگر، تولیدکنندهٔ محتوا و جامعهٔ محلی در تولید داده، دانش، زیرساخت و ارزش مشارکت می‌کنند؛ اما مالکیت ابزارهای اصلی، کنترل تصمیم‌گیری و بخش عمدهٔ ثروت ایجادشده در دست شمار محدودی از شرکت‌ها و سرمایه‌گذاران متمرکز می‌ماند.

پروندهٔ OpenAI و ساما این تضاد را به‌شکلی روشن نشان می‌دهد. ساما کار را مستقیماً سازمان داد و OpenAI آن را سفارش داد و از نتیجهٔ آن در محصول خود بهره برد. تفاوت قراردادی میان این دو نباید وحدت زنجیرهٔ اقتصادی یا مسئولیت هر دو را پنهان کند. در یک سوی زنجیره، کارگران کنیایی با دستمزد ۱٫۳۲ تا ۲ دلار در ساعت و با خطر آسیب روانی روبه‌رو بودند؛ در سوی دیگر، محصول حاصل از همین کار به رشد درآمد، سرمایه‌گذاری و ارزش‌گذاری صدها میلیارد دلاری کمک کرد. هزینه و خطر اجتماعی شد، اما مالکیت، قدرت تصمیم‌گیری و منفعت خصوصی باقی ماند.

این همان تضاد بنیادی سرمایه‌داری است: تضاد میان تولید اجتماعی و مالکیت خصوصی؛ میان ظرفیت فناوری برای کاهش ساعت کار و افزایش رفاه عمومی، و استفاده از همان فناوری برای کاهش هزینهٔ نیروی کار، تشدید نظارت، حذف شغل‌ها و تمرکز بیشتر ثروت و قدرت. هوش مصنوعی این تضاد را ایجاد نکرده است، اما آن را در مقیاسی جهانی، سریع‌تر و آشکارتر می‌کند. حتی دیتاسنترها نیز همین الگو را بازتاب می‌دهند: آب، برق، زمین، معافیت‌های مالیاتی و هزینه‌های شبکه از منابع عمومی تأمین می‌شود، در حالی که تصمیم‌گیری و منافع اصلی در اختیار شرکت‌های خصوصی قرار می‌گیرد.

نظم اجتماعی نوین در برابر این منطق، هدف خود را انباشت هرچه بیشتر سرمایه قرار نمی‌دهد؛ معیار پیشرفت در آن، گسترش توانایی انسان‌ها، مشارکت مردمی در قدرت، شفافیت اجتماعی و پاسخ‌گویی نهادهای اقتصادی و فناوری است. در چنین نظمی، هوش مصنوعی باید ابزاری برای کاهش کار فرساینده، کوتاه‌ترکردن زمان کار، گسترش آموزش و سلامت، حفاظت از محیط زیست و تقویت توان تصمیم‌گیری جمعی باشد. کارگران و جوامعی که داده، دانش و زیرساخت این فناوری را تولید می‌کنند باید در مالکیت، سیاست‌گذاری و تقسیم منافع آن نیز مشارکت واقعی داشته باشند.

ازاین‌رو، مقاومت کارگران، اتحادیه‌ها و جوامع محلی صرفاً مجموعه‌ای از اعتراض‌های جداگانه نیست؛ این مقاومت‌ها نشانهٔ شکل‌گیری آگاهی اجتماعی در برابر نظمی است که تولید را جمعی، اما ثروت و قدرت را خصوصی می‌کند. مسئله مخالفت با دانش و فناوری نیست. پرسش اساسی این است که آیا هوش مصنوعی زیر فرمان سود خصوصی و انتقال هزینه‌ها به فرودستان گسترش می‌یابد، یا در خدمت نظمی قرار می‌گیرد که بر مشارکت مردمی، مالکیت پاسخ‌گو، شفافیت اجتماعی، کرامت کار و توانمند شدن همگانی استوار است.

منابع

• TIME — OpenAI Used Kenyan Workers on Less Than $2 Per Hour to Make ChatGPT Less Toxic
• The Guardian — Kenyan moderators decry the toll of training AI models
• Reuters — OpenAI valuation and annualized revenue reporting
• SOMO — Big Tech sets unfair terms for AI data workers globally
• Reuters — Equinix faces challenge in Cape Town over environmental concerns
• Data Center Watch — Report on blocked and delayed data-center projects
• Brookings — Reimagining data and AI labor in the Global South
• Reuters — Kenya court finds Meta can be sued over contractor layoffs
• Foxglove — Campaigns and litigation for African content moderators
• Protect Coweta County — مستندات مخالفت محلی و رد Project Oak
• The Guardian — مبارزهٔ ساکنان کووتا علیه Project Sail
• The Current GA — توقف موقت دیتاسنترها در کمدن و اعتراضات ساحلی جورجیا
• Hessenschau — رد پروژهٔ ۲٫۵ میلیارد یورویی گروس‌گراو
• Data Center Dynamics — لغو پروژهٔ Stack در بابن‌هاوزن

بازگشت به صفحهٔ اصلی