Seorang wanita di barisan depan yang menghadap kamera terikat tripod, memegang foto kepalanya dengan mata dan hidung terpotong di depan wajahnya dan perlahan-lahan berputar dari sisi ke sisi.

Penduduk desa yang menunggu giliran mengambil nomor antrean. Beberapa dari mereka mengatakan ini adalah kali ketiga atau keempat mereka datang untuk melakukan pekerjaan semacam ini.

Reportase Reuters itulah pembuka cerita dari pekerjaan proyek mengumpulkan materi yang dapat melatih perangkat lunak Artificial Intelligence (AI) untuk membedakan antara fitur wajah asli dan gambar diam.

"Proyek-proyek terbesar memiliki puluhan ribu orang, semuanya tinggal di daerah ini," kata Liu Yangfeng, CEO Qianji Data Co Ltd, yang mengumpulkan dan memberi label data untuk beberapa perusahaan teknologi terbesar di China dan berbasis di kota terdekat dari Pingdingshan.

"Kami membuat lebih banyak set data untuk melayani lebih banyak perusahaan algoritma AI, sehingga mereka dapat melayani pengembangan kecerdasan buatan di China," kata Liu, menolak untuk mengungkapkan kliennya, kepada Reuters.

Reuters menuliskan, bahwa booming permintaan data untuk melatih algoritma AI memberi makan industri global baru yang mengumpulkan informasi seperti foto dan video, yang kemudian diberi label untuk memberi tahu mesin apa yang mereka lihat.

Perusahaan yang terlibat dalam pelabelan data atau anotasi data seperti yang disebut juga termasuk platform crowdsourcing seperti Amazon.com’s (AMZN.O) Mechanical Turk yang menawarkan kepada pengguna sejumlah kecil uang sebagai imbalan untuk tugas-tugas sederhana, perusahaan outsourcing seperti India's Wipro Ltd (WIPR .NS) serta tenaga kerja profesional seperti Qianji.

Cognilytica, sebuah perusahaan riset AS yang berspesialisasi dalam AI, memperkirakan pasar global untuk anotasi data terkait pembelajaran mesin tumbuh 66% menjadi $ 500 juta pada 2018 dan ditetapkan lebih dari dua kali lipat pada tahun 2023. 

Namun, beberapa orang dalam industri mengatakan bahwa sebagian besar dari pekerjaan yang dilakukan tidak diungkapkan, membuat estimasi akurat sulit.