Twintig jaar lang zat er een verborgen verdieping onder de AI-industrie: honderdduizenden mensen die voor een paar cent per taak afbeeldingen labelden, zinnen beoordeelden en data opschoonden. Die verdieping gaat nu op slot. Amazon accepteert vanaf 30 juli geen nieuwe klanten meer op Mechanical Turk, het platform dat dat werk sinds 2005 organiseerde (Bron: TechCrunch).
Geen sluiting, wel een eindstation
Eerst de feiten precies, want “Amazon stopt met Mechanical Turk” is nét niet wat er gebeurt. Bestaande klanten kunnen het platform blijven gebruiken, en AWS zegt te blijven investeren in beveiliging en beschikbaarheid. Maar nieuwe klanten komen er na 30 juli niet meer in, en nieuwe functies evenmin (Bron: The Register). Wie weleens een dienst in die stand heeft gezien, kent het patroon: dit is de onderhoudsstand waarin producten belanden vlak voor het echte afscheid.
Beginner-tip:de naam verwijst naar een beroemde truc uit 1770 — een “schaakautomaat” waar stiekem een mens in verstopt zat. Dat was precies wat het platform deed: bedrijven stuurden taken naar wat voelde als een machine, en mensen ergens op de wereld voerden ze uit. Amazon noemde het zelf “artificial artificial intelligence”.
Het onzichtbare werk achter elke AI
Waarom dit meer is dan het opruimen van een oud product: Mechanical Turk was jarenlang de plek waar het ruwe mensenwerk achter machine learning vandaan kwam. Voordat een model kan leren wat een kat is, moet iemand tienduizend keer “kat” bij een foto zetten. Voordat een chatbot beleefd kan antwoorden, moet iemand duizenden antwoorden op toon beoordelen. Dat werk was onzichtbaar, slecht betaald en essentieel — de academische wereld draaide er ook op, want voor onderzoekers was het platform twintig jaar lang de goedkoopste manier om menselijke oordelen te verzamelen.
De vergoedingen per taak waren centenwerk, en dat maakte het platform tot symbool van de rauwe kant van de gig-economie. Hoe AI de bovenkant van de klusjesmarkt inmiddels splijt, beschreven we eerder in hoe AI het freelancewerk verdeelt in uitvoerders en adviseurs — Mechanical Turk was daarvan altijd al de onderste trede.
De ironie: de mens achter de machine bleek een machine
Het mooiste detail van dit verhaal komt uit Zwitsers onderzoek. In 2023 schatten onderzoekers van EPFL dat 33 tot 46 procent van de Turk-werkers hun teksttaken (deels) door grote taalmodellen liet uitvoeren (Bron: Veselovsky et al., EPFL). Lees dat nog eens: het platform dat menselijke oordelen moest leveren om AI te trainen, leverde steeds vaker AI-output door.
Daarmee verdampte de kern van het product. Wie betaalt voor “menselijk oordeel” en taalmodel-tekst terugkrijgt, kan dat model net zo goed zelf aanroepen — goedkoper, sneller en zonder de vraag wie er aan de andere kant zit. Hetzelfde vervuilingsprobleem speelt breder op het web, zoals we zagen bij de bot-manipulatie op Reddit: zodra AI-output zich voordoet als menselijke input, verliest de data z’n waarde.
Gevorderden:dit is het “data-incest”-probleem in het klein. Modellen die getraind worden op output van andere modellen erven elkaars fouten en vooroordelen, en het signaal dat training waardevol maakt — écht menselijk oordeel — wordt schaarser en duurder. Precies daarom verschuift de markt naar geverifieerde experts met domeinkennis, in plaats van anonieme crowds.
Waar het werk naartoe gaat
Het werk verdwijnt niet; het verandert van vorm. Simpel labelwerk doet AI inmiddels grotendeels zelf, vaak met een mens als steekproefcontroleur. Wat groeit is de vraag naar expertise: artsen die medische trainingsvoorbeelden beoordelen, juristen die modelantwoorden toetsen, programmeurs die code-oplossingen ranken. Dat werk loopt via gespecialiseerde datalabel-bedrijven en betaalt geen centen maar serieuze uurtarieven. Amazon zelf verwijst klanten naar SageMaker Ground Truth, z’n modernere labelingdienst (Bron: TechCrunch).
Er zit iets treffends in de timing. In hetzelfde jaar waarin bedrijven als ABN Amro vrijwel het hele personeelsbestand met AI laten werken, sluit het platform dat AI z’n eerste mensenwerk leverde de voordeur. Het staat daarin niet alleen: ook Stack Overflow zag zijn aanvoer van nieuwe vragen tot vrijwel nul opdrogen — hetzelfde patroon, een verdieping hoger. De machine uit 1770 had een mens nodig om te kunnen schaken. De machines van 2026 hebben vooral nog mensen nodig die kunnen beoordelen of ze goed schaken — en dat is ander, schaarser en beter betaald werk. Wat er in die tussenlaag van AI-agents die zelfstandig taken uitvoeren gebeurt, bepaalt hoe snel de rest volgt.