Läkare erbjuds mellan 1 090 och 2 460 kronor i timmen och jurister 590 till 1 480 kronor för att träna AI-modeller, enligt Mercors egna annonser. Efterfrågan är tre till fyra gånger större än utbudet. Men branschsnittet för AI-tränare är 305 kronor i timmen, och forskare varnar för att experterna lär maskinen att klara sig utan dem.
Så mycket tjänar läkare och jurister på att träna AI
Mercor, det amerikanska bolag som förmedlar experter till de stora AI-labben, har i dag över 100 000 läkare, jurister, ingenjörer och forskare i sitt nätverk. Det uppger vd Brendan Foody för Fast Company. Under 2025 knöt bolaget till sig 30 000.
Bolaget, värderat till 10 miljarder dollar, betalar ut över 4 miljoner dollar om dagen, cirka 39 miljoner kronor, enligt sin egen sajt. I juni passerade Mercor 2 miljarder dollar i årstakt i bruttointäkter, fyra månader efter den första miljarden. Ändå räcker inte experterna. Efterfrågan från AI-labben ligger tre till fyra gånger över vad Mercor kan leverera, enligt Foody.
Jobbet är att sätta modellerna på prov. Experterna skriver kliniska fall, juridiska frågor och matematiska problem som är svåra nog att få modellen att svara fel, och rättar sedan svaret.
Det här betalar bolagen
Snittersättningen på Mercor är 111 dollar i timmen, cirka 1 090 kronor, enligt bolagets egen expertsida. Nätverket för läkare annonserar 110 till 250 dollar i timmen. Jurister erbjuds 60 till 150 dollar, finansexperter 60 till 180. Foody uppger för Fast Company att snittet ligger runt 125 dollar.
Jämför med branschen i stort. En genomsnittlig AI-tränare tjänar 31 dollar i timmen, cirka 305 kronor, enligt Mercors egen sammanställning av lönedata från Glassdoor, Ziprecruiter och Indeed. Enkla uppgifter ger 12 till 25 dollar. Expertnivån, för legitimerade yrkesgrupper inom medicin, juridik och finans, ger 75 till 200 dollar.
Den italienske juristen Luca Sessini säger till Fast Company att hans juridiska uppdrag börjar på omkring 80 dollar i timmen, knappt 790 kronor. Läkaren Arshom Foroutan, som började hos Mercor för ett år sedan, uppger att timpengen motsvarar hans läkarlön. På heltid skulle han dubbla sin inkomst.
Konkurrensen om experterna hårdnar. Linkedin testar sedan i våras en egen AI-arbetsmarknad med ersättning på upp till 150 dollar i timmen, knappt 1 480 kronor. Surge AI, som levererar träningsdata till OpenAI, Google, Anthropic och Meta, har passerat en miljard dollar i intäkter utan riskkapital och räknar sina gigarbetare i hundratusental, enligt Fast Company.
Tre euro i timmen
Annonserna lovar mer än många får. Svenska Yle rapporterade i april att ett bolag rekryterar datamärkare på svenska med löfte om 26 euro i timmen eller mer. På Linkedin vittnar arbetare om löner ner mot 3 euro i timmen.
Arno Solin, professor i maskininlärning vid Aalto-universitetet, ser ingen framtid i yrket. ”Jag skulle inte rekommendera en framtida karriär för någon inom datamärkning”, säger han till Yle.
På Trustpilot beskriver en arbetare hur kontot stängdes efter fuskanklagelser som arbetaren avvisar, med 3 000 dollar, cirka 29 500 kronor, i obetalt arbete, enligt Fast Company.
På Reddit återkommer inlägg med rubriken ”AI-träningsjobb är en bluff”. Mönstret är obetalda tester och intervjuer som inte leder någonstans.
Experterna tränar sin ersättare
Varje fel experten hittar gör modellen lite bättre på att klara sig utan experten. Tufts-universitetets AI-jobbindex, publicerat i mars, räknar med att 9,3 miljoner amerikanska jobb kan försvinna inom två till fem år. Bland skribenter bedöms 57 procent av jobben vara i farozonen, bland programmerare 55 procent och bland redaktörer 54 procent.
Matematikern Bogdan Grechuk vid University of Leicester tränar modeller åt Surge AI. Han konstruerar problem han är övertygad om att ingen modell knäcker på två år, matar in dem i senaste ChatGPT och ser svaret komma på en halvtimme.
Foody själv ser inget hot. ”Om jag spelar fram tio år kommer de flesta jobb i ekonomin till stor del att bestå av att träna agenter i en eller annan form”, säger han till Fast Company.
Carissa Véliz, docent i filosofi vid Oxfords institut för AI-etik, varnar för motsatsen. Att träna AI till att bli bättre lär oss att acceptera ”det som är tillräckligt bra i stället för att vara ambitiösa och värdera bästa möjliga produkt”.
