データアノテーション/RLHFアウトソーシング(Scale AI型)

## 概要(何のモデルか) AIモデル(特にコンピュータビジョンや大規模言語モデル)の訓練に必要な「正解データ」を、専門のプラットフォーム企業が世界中に分散した個人ワーカー(業務委託・ギグワーカー)に細切れタスクとして発注し、報酬を払って集める分業モデル。代表格である Scale AI は2016年6月、Alexandr Wang と Lucy Guo によりYC出身のスタートアップとして設立され、自動運転向けのセンサーデータ(画像・LiDAR点群)へのアノテーション(物体のラベル付け)を主軸に事業を立ち上げた [出典: https://en.wikipedia.org/wiki/Scale_AI]。 このモデルの核心は「マイクロタスク化 + 大量の分散ワーカー + 品質管理レイヤー」であり、Remotasks(コンピュータビジョン向け、フィリピン・インド・ベネズエラなどで24万人超の契約労働者を動員)と、後発の Outlier(LLM向けのRLHFに特化)という2つの子会社ブランドで運用されている [出典: https://en.wikipedia.org/wiki/Scale_AI]。 2022年末のChatGPT登場以降、単純な物体ラベリングに加えて「AIの回答同士を人間が比較・採点し、その選好データでモデルを再学習させる」RLHF(Reinforcement Learning from Human Feedback)が急拡大した。OpenAIのInstructGPT論文(2022年)では、Upwork・Scale AI経由で集めた40名の契約ワーカーが人間フィードバックのラベリングを担当したことが明記されている [出典: https://github.com/natashamessier/instruct_gpt_presentation]。Scale AIはこのRLHF/ラベリング事業だけで2023年末時点で年換算売上約7.5億ドルに達したとされ、競合Surge AIも2024年に年商12億ドル超に達したと報じられている [出典: https://lemon.io/blog/rlhf-platforms/]。 ## 日本上陸の経緯(誰が・いつ・どう持ち込んだか) 日本国内でこのモデルが本格的に動き出したのは2023年で、ほぼ同時多発的に複数のルートから立ち上がった。 - **2023年4月19日**: データアノテーション企業APTO(2020年1月設立)が、翻訳AI企業ロゼッタの子会社Metareal AIと提携し、クラウドワーカーにRLHF・プロンプトエンジニアリングの知見を教育して「千人体制」を構築すると発表。生成AIのアラインメント人材育成を日本で明示的に打ち出した早い事例 [出典: https://prtimes.jp/main/html/rd/p/000000575.000006279.html]。 - **2023年半ば以降**: Scale AI子会社Outlierが日本語ネイティブ向けにAI訓練タスク(生成AIの回答ランキング・日本語文章評価など、時給30ドル超)の募集を開始。日本人ワーカーの体験ブログが2023年後半から急増している [出典: https://note.com/sachisansan/n/n39eca34b797b]。これは日本に別法人が上陸したのではなく、米国のグローバルプラットフォームが日本語話者を直接リモート雇用する形態である点が特徴。 - **2023年11月**: APTOがスマホ副業アプリ「harBest」を正式リリース。写真撮影や物体の丸囲みなど簡易タスクでポイントを貯める形の、国内向けデータアノテーション副業アプリとして一般消費者層への入口を作った [出典: https://apto.co.jp/news/1070/]。 - **2024年2月14日**: 国内最大級のクラウドソーシング大手クラウドワークスが「AI教師データ作成代行サービス」を正式開始し、CrowdWorks.jp上に「AIアノテーション」カテゴリを新設。これにより既存の500万人規模のワーカー基盤がこの市場に合流した [出典: https://crowdworks.co.jp/news/96n2vzzyz/]。 先行者はAPTO(2020年設立、2023年にRLHF特化へ舵を切った)だが、市場全体が動いた転換点は2023年に集中しており(APTO×ロゼッタ提携、Outlierの日本語ワーカー募集開始、harBestリリースが同一年内)、大手クラウドソーシング(クラウドワークス)が参入した2024年2月にマス市場化が確定した、という二段階の動きだった。本事例では市場が実質的に動き始めた**2023年**を転換点として採用する。 ## なぜ遅れたか(delay_factors の根拠) - **言語**: RLHFという業態そのものは英語圏(米国)の大規模言語モデル訓練需要から生まれたため、日本語ネイティブによる日本語データの需要が本格的に発生するには、日本語対応の大規模言語モデル(国産・海外双方)の学習が活発化するタイミングを待つ必要があった。ChatGPT日本語版の急速な普及(2023年)がこの需要の起点になっている。 - **需要成熟**: 米国側でも「RLHF」という手法自体がInstructGPT論文(2022年)・ChatGPT(2022年11月)を経て急速にマス市場化したものであり、Scale AIの元々の主力事業(自動運転向けアノテーション、2016〜2019年に確立)とは別の需要の波である。日本の立ち上がりは、この米国側の二段階目の波(RLHF特化)にほぼ直結して発生しており、一段階目の波(自動運転向けアノテーション、2019年ごろマス化)からのタイムラグの方が大きい。 - **資本**: プラットフォーム本体(タスク管理・品質保証・大量ワーカーのオンボーディング基盤)の構築には一定の投資が必要で、国内でゼロから同型プラットフォームを作ったAPTO(2020年設立)のような専業企業の立ち上げが前提になった。 ## 結果とその理由(成功/失敗/変形の中身) 「定着」はしたが、当初想定された形(誰でも参加できる高単価副業)からは大きく**変形**した。 - 2023〜2024年は日本語ネイティブ向けの案件が急増し、時給4,500円〜31ドル超という高単価がSNS・note等で拡散し副業ブームになった [出典: https://note.com/jolly_shrew9713/n/nbcf29859e158]。 - しかし2025年6月、MetaがScale AI株式の約49%を取得し実質子会社化したことを機に、Google・OpenAIなど主要顧客が競合への情報流出を懸念して同時に契約を打ち切り、Outlier経由の日本語案件は2025年6〜7月にかけて急減、7月にはほぼ枯渇した [出典: https://www.gig-trader.com/2025/08/meta-ai-downsizing.html], [出典: https://upipi.fun/outlier_meta/]。 - 案件の中身も、単純な文章比較・校正から、音声・感情表現の収録、数学・コーディングなど専門性の高いタスクへとシフトしており、単純労働としてのアノテーションは急速にコモディティ化・低単価化した一方、専門知識を要するタスクは高単価を維持している(クラウドワークスの公表値でAI関連案件はそれ以外の約1.8倍単価) [出典: 検索結果より複数の日本語ブログで一致確認]。 つまり「誰でもできる副業としてのAIアノテーション」は2023〜2025年の一過性ブームに近く、生き残ったのは専門性で差別化した層と、Mercorなど次世代プラットフォームへの乗り換え組である。モデル自体(分散ワーカー×AI訓練データ)は消えておらず、労働市場の内部構造が「コモディティ化した層」と「専門特化した層」に分化する形で定着=transformedしたと評価する。 ## ローカライズで変わった点 - 米国発のモデルは当初、自動運転向けの画像・点群アノテーションという「非言語タスク」が主力だったが、日本市場は最初からRLHF(日本語テキストの評価・ランキング)という「言語依存タスク」を軸に立ち上がった。これは日本語話者という希少性がそのまま参入障壁と価格プレミアムになったため。 - 日本では「スマホでできるポイ活」(harBest)という、より軽量・大衆向けの入口が用意された点が米国のRemotasks(専業ワーカー前提)と異なる。 - 日本は独自プラットフォームを新設する動き(APTO/harBest)と、既存の米系グローバルプラットフォーム(Outlier)に日本語話者として直接参加する動きの2ルートが並走した点が特徴的で、米国内で完結していた労働市場構造とは異なる。 ## business-autopilot 的な学び - **観察**: このモデルは「米国側の技術トレンド(RLHF)がグローバルプラットフォーム経由でほぼ同時に日本語話者を巻き込む」という、従来の「数年遅れて日本法人が模倣参入する」パターンとは異なる伝播経路を持っていた(Outlierが日本に法人を作らず直接リモート雇用)。→ 今後の候補選定では、SaaS的な「模倣者が日本市場に参入する」型だけでなく、「グローバルプラットフォームが日本語ネイティブを直接労働力として取り込む」型の事例も別カテゴリとして探索する価値がある。 - **観察**: 参入障壁はプラットフォーム本体は capital-heavy だが、周辺(APTOのような特化型アノテーション代行会社、ロゼッタのようなRLHF研修・人材輩出、クラウドワークス上での代行サービス)は smb-feasible〜solo-feasible で参入できた。→ 個人〜中小がこの種のモデルに乗る場合は、プラットフォームを作るのではなく「専門特化した代行・研修・キュレーション」レイヤーで勝負するのが現実的、という判断基準に使える。 - **観察**: ブーム開始からわずか2年程度(2023→2025)で主要プラットフォームの顧客離反により急収縮した。これは単一の巨大クライアント(この場合はGoogle/OpenAIというScale AIの大口顧客)への依存度が高い労働市場は、そのクライアントの資本構成の変化(Meta出資)一つで短期間に崩れるリスクを内包している。→ 今後、労働市場型モデルを候補に挙げる際は「収益が少数の巨大クライアントに集中していないか」を持続性チェックの必須項目に加える。 - **観察**: 単純労働タスクは急速にコモディティ化・単価下落する一方、専門知識(コーディング・数学・特定言語ペア・音声等)を要するタスクは高単価を維持した。→ 労働市場仲介型モデルを日本で検討する場合、「誰でもできる」訴求は短命であり、参入初期から専門特化レイヤーを設計に組み込むべき、という学びとして適用できる。