在人工智慧（AI）高速發展的浪潮中，全球知名的那些大科技公司不僅被視為技術革新的推手，更被賦予引領未來的社會責任。但這些企業，是否也同時扮演著「負責任的參與者」？

當 ESG成為衡量企業價值的新指標，AI與ESG之間的爭議慢慢浮現，比較常見的問題是電力問題，不過它除了電力與環境(E)的爭議外，背後還同步隱藏社會(S)與G(治理)的問題。

近年矽谷獨角獸 Scale AI 成為備受矚目的焦點，不只是因為它為 OpenAI、Meta、微軟等巨頭提供模型訓練所需的核心數據，更因為它獨特且難以被取代的外包架構與用工模式，揭示了 AI 世代下被忽略的社會責任斷層。本文將以 Scale AI 為案例，剖析 AI 發展背後的 ESG 爭議與風險結構。

Meta巨資入股Scale AI，共同研發「AI」

2025年6月13日，Meta 宣布將以 近150億美元資金換取 Scale AI 約49%的股份，同時將主導開發所謂的「超級智能實驗室」。這筆交易不僅是科技史上罕見的巨額入股案，更象徵 Meta 從語言模型落後者，轉向「資源整合」策略的重大轉折。

交易關鍵在於，Scale AI被譽為是AI產業界的「標註之王」，Scale AI 成立於 2016 年，以其 數據標註平台 Remotasks 為基礎，快速在生成式 AI 熱潮中竄紅。其業務核心，是透過全球外包網路收集大量人工標註資料，提供給如 GPT、LLaMA、Gemini、特斯拉、英偉達...等模型作為訓練資料，如果把AI產業比喻成製造業，Scale AI可是AI界幾乎壟斷的某個原料提供商，因此這場入股案又使得這家公司受到高度關注。

但被眾人高度關注的同時，很多年前被討論的AI社會責任與治理層面的問題有被再一次的放到檯面上檢視，是的，這家公司很多年前就已經被爆出相關爭議，而入股案又使得此議題重新被民眾拿來關注。

AI的進步，誰來買單？Scale AI 用工模式下的社會責任風暴

當我們讚嘆 AI 模型的進化速度，是否也該停下來思考：這一切的「智慧」是如何來的？

其實生成式 AI 的成功背後，需要一整座看不見的「人力礦場」——這正是 Scale AI 商業模式發展的核心。

「人工智慧」建立於「工人智慧」上

資料顯示，Scale AI 的主力平台 Remotasks，連結著全球超過 24 萬名標註員，這些人分布於菲律賓、肯亞、奈及利亞、印度等國。他們的工作，是每天對圖片、影片、聲音甚至 AI 生成的文字資料進行人工標註，例如標出照片中的車子、辨識情緒語調，或是審查 AI 生成的敏感內容。

這些工作看似簡單卻極為關鍵的事情，他們是構成大型語言模型訓練不可或缺的工作，例如人類可以生成很多富有創意的詩句內容，換個主題都可以依據情況創作新的詩句，但在人類成長的期間，需要有人教導識字，而後才能利用所知的文字，去排列組合創作詩句。

所以別看這些工作只是告訴AI這是車子、這是機車、這是電線桿這麼簡單的東西，他們可是AI當中最重要的工作，而且Scale AI會一家獨大很大一部分因為是它承接了所有AI公司都不想做的工作，最基礎最需要人力與時間卻又沒什麼成本的工作。

但也因此，這些標註工的勞動條件與待遇，遠遠不如大科技公司那麼光鮮亮麗，甚至引發了不少爭議及訴訟。

剝削？還是全球外包最佳實踐？

根據《The Verge》與《華盛頓郵報》等媒體的調查報導，美國境內的數據標註員每小時可領取 10 至 25 美元的薪資；然而，在肯亞等外包地區，標註工人卻僅獲得每小時 1 至 3 美元，甚至更低的報酬。

以 Remotasks 為例，平台會依據任務「完成時間」設定嚴格的時限，一旦超時，工人不僅報酬遭扣減，甚至還可能無酬結案。他們把這標註工作做成一場高壓的競賽，必須同時拚速度與精準度。但這樣的制度設計造成明顯的不對等結構，從多起訴訟案例揭露中顯示，有些工人花費大量時間與心力，在這制度的運作下，最後卻只獲得不足以在台灣買一個便當的酬勞。

更嚴重的是，有工人僅因質疑工資延遲問題，便遭平台封鎖、失去所有接案權限。在缺乏正式勞動契約的情況下，這種解雇行為幾乎無法追責。這種利用外包架構來規避雇主責任與勞動保障的做法，在全球也並不少見。美國也曾將大量勞力密集產業外包至亞洲，帶動當地經濟發展，但當時至少有工廠、公司作為管理者，提供申訴機制與法律依據。

如今，數位外包產業蓬勃發展，每個人都能透過平台「自由接案」，卻無任何勞動保障。新興行業尚未建立健全制度與倫理規範，也缺乏政府監管與法律約束，遠不如傳統製造業來得透明與可控。大家覺得很熟悉嗎? 沒錯！大家常常使用的叫餐平台Uber eat，其實也有類似的爭議，當每一位接案者都像是「勞工」，但卻又不算是實質的勞工，不過卻實實在在的在為公司服務，這種大環境下相關的案例不會是一起兩起而是更多，我們是否也需要重新檢視這套外包機制背後的倫理風險與責任邊界？

不當內容審查與心理的創傷

除了低薪以及扣款等問題外，標註內容本身也充滿問題。許多任務涉及 暴力、血腥、性虐、仇恨言論等 AI 審查素材，長期下來對工人的心理健康造成重大傷害。

有標註員回憶，每天面對數百筆血腥與自殘圖片「像是活在地獄裡」。

即使內容較「正常」，重複單調的點擊與極度競爭的績效制度，也容易造成「數位倦怠症」與心理疲勞。

遺憾的是，目前大多平台並未提供心理諮商、健康保護或工時上限制度，這些工人往往被視為「可替換的機器」，而非真正的員工，就像原物料一樣。

效率的背後是倫理的稀釋

Scale AI 的全球架構，讓它能在「誰開價最低」的市場邏輯中快速招募與淘汰人力。有外包公司透露，Scale 旗下子公司會「在全球範圍內競價任務」，導致標註價格節節下降，形成一種「工資的逐底競爭」。

從 ESG 的觀點來看，這正是典型的「社會責任缺口」：

• 勞動保障不足
• 薪資公平性問題
• 職業安全與心理健康未被重視

若這是 AI 公司普遍採行的模式，勢必需要社會重新反思技術進步背後的代價。Scale AI 是當代 AI 成就的催化器，但同時也成為全球勞權危機的縮影。

當訓練 AI 模型的基礎建立在無數低薪、未受保護的工人身上，ESG 中的「S」便不應只是附註，而是關係企業聲譽與社會信任的核心。然而諷刺的是，這些問題往往不會出現在大型科技企業的 ESG 報告當中，雖然不太會刻意隱藏或掩蓋，但會普遍呈現偏向於不提醒人們有這件事情發生，並且淡化其影響性。

誰來監管AI？從Scale AI看公司治理與風險控管的斷層

講到這邊大家可能已經發現了，這看起來是ESG當中「S」(社會)的問題，但卻跟「G」(治理)有很大的關聯性，對掌握龐大數據與模型訓練能力的 AI 公司而言，治理失衡將直接衝擊倫理風險與社會信任。

以 Scale AI 為例，由年輕創辦人汪滔創立，短短數年內便成為 OpenAI、Meta 等巨頭的資料供應商，也將主導 Meta 的超級智能實驗室。然而，即便 Meta 持股高達 49%，公司實際控制權仍掌握在創辦人手中，外界質疑這種權力高度集中，是否缺乏制衡與監督。

事實上，Scale AI 近年頻傳爭議，從薪資欠付、非法解雇，到對標註員的監控與無預警扣薪，反映出其內部法務與道德治理的明顯缺口。剛成立的小公司可能不會受到重視，但當平台快速擴張，卻沒有同步強化治理制度，就容易讓責任與風險同步失控。

更值得關注的是，其所依賴的承包型平台 Remotasks，實際上具備高度管理行為，卻模糊工人與合作方的法律關係，使責任歸屬變得曖昧難追。從 ESG 視角來看，這正是典型的治理斷層：問責困難、聲譽風險高漲，卻無人能真正監管。

當科技公司正訓練出超級AI時，其實最需要被先升級的，或許正是它們的治理。

結語

我們常在科幻作品中擔心 AI 失控、沒有倫理的破會人類社會，但卻很少人會擔心製造AI或教導AI的企業，本身是否具備一定的社會責任與倫理。

如果 Scale AI 是當代 AI 模型訓練的「原料供應商」，那麼這些原料所承載的，不是公平與尊重，而是低薪、壓榨與治理空窗。我們又怎能期待，一個以此制度為基礎訓練出來的模型，會具備真正的倫理判斷？

AI 如同一個學習中的孩子，企業就像父母，其價值觀與行為模式將深深影響 AI 的學習方向與反應邏輯。若企業本身對人性冷漠，對社會責任漠視，那麼再先進的技術，恐怕也只是加速無情的系統化擴張。

對 AI 公司而言，挑戰不只是「模型能否更聰明」，而是「企業是否夠成熟、有擔當」。假如最終這些AI產品無法被社會信任、無法在人類生活中良善的落地，就無法稱之為真正的進步。

Scale AI 的發展歷程是這個世代 AI 擴張邏輯的縮影。它提醒我們：科技本身不具道德，方向由人決定。若企業一邊追求創新，卻一邊忽略最基本的勞權與治理責任，那麼 AI 所帶來的未來，將可能遠離我們所期望的人性。

在這個時代，AI 的發展不能再用「先做再說」的草率心態來處理倫理與責任問題。當我們談 ESG，不只是討論財報風險，而是在回應一個關鍵問題：「我們希望使用科技，來服務什麼樣的世界？」

番外篇：教育互動小遊戲