专家人才二八薪酬基准

Expert Labor Pareto And Pay Benchmark · expert-labor-pareto-and-pay-benchmark--brendan-foody

解决什么问题

在为 AI 实验室组建专家数据团队时,该按"人多"思路铺量,还是按"找到最强 10%"思路精选?这条基准给出具体数字和一个二八法则式的判断依据。

核心内容

头部效应(pareto effect):作者观察到在一批 100 名雇佣专家中,头部 10% 的人贡献了大部分模型能力提升,类比"一家 100 人的公司,往往也是头部 10% 的人贡献了大部分业务影响"。这意味着数据供应商真正的竞争优势不是"能不能招到人",而是"能不能识别出谁是那 10%",并稳定地把他们匹配给需要他们的项目。
薪酬基准对比:
- 传统众包型数据公司平均时薪约 30 美元(通才劳动力)。
- Mercor 平台专家网络的时薪中位数 95 美元,深度专精者可达 500 美元/小时(对比对象包括高盛银行家、麦肯锡分析师、FANG 软件工程师)。
交付速度基准:客户提出"需要获奖编剧"这类具体专家需求,Mercor 通常能在 24 小时内完成匹配交付。
工作形态:多数是兼职(专家本职工作之外每周挤出约 20 小时来做),但也存在标准的每周 40 小时全职合作。
规模:同期在全球范围内直接参与后训练数据生产的专家规模是"tens of thousands"(几万人),更广义的相关人群达"hundreds of thousands"(几十万人)。

适用边界

这个头部效应和薪酬结构是 2025 年头部 AI 实验室对高价值能力领域(STEM、法律、金融、医学、编程)的真实付费水平,不代表所有标注/数据类工作的普遍薪酬。
"找到那 10%"依赖平台自身长期积累的信任、筛选和匹配能力,不是靠提高薪酬就能立刻复制的护城河。

关键引述 · 原话

Brendan Foody: "In a set of 100 people that we hire, oftentimes the top 10% of people will drive majority of the model improvement. It's like a company. If you have 100-person company, oftentimes the top 10% of the company will drive majority of the impact."

Brendan Foody: "Our median pay rate in the marketplace is $95 an hour, but it can flex up, well up into $500 an hour based on the depth of someone's expertise."

— Brendan Foody

关联卡片

通才到专家标注转型

- 与 `generalist-to-expert-labeling-shift--garrett-lord` 描述的是同一个行业转变(通才标注 → 专家网络),两家独立公司(Mercor、Handshake)给出高度一致的判断和相近的数量级证据。

出处：Brendan Foody (Mercor 联合创始人兼 CEO) · 03-podcasts/brendan-foody.md
提炼自 Lenny Rachitsky 的 Lenny’s Newsletter & Podcast（2019–2026）。本站为个人学习用途的二次创作，与 Lenny’s Newsletter 无官方关联。
provenance · 已核验