Mechanical Turk等网站表明，某些服务工作的自动化或许永远都不会导致其完全机械化，而是产生出人机混合体。在一些历史证明难以自动化的工作中，机器学习将生产力收益微小的任务排除在外，并通过具体任务和管理功能的半自动化、劳动的超细分工和实时外包将其解决。当某些任务被自动化的时候，另一些原本受限于地理的任务可以自由地在全球范围内漫游，以寻求廉价劳动力来获利。结果就是，曾经正常支付薪酬的工作不仅被无产阶级化，而且在默认情况下被非正规化，被分割为低薪、不稳定的计件工作，同时脱离了对薪酬和权利提供法律保护的监管框架。微工作不受任何特定法律的约束，从而解除了工人、雇主和工作场所之间的法律关系。正如杰米·伍德科克和马克·格雷汉姆所说，“纽约的小企业可以今天在内罗毕雇用一名自由职业抄写员，明天在新德里雇用一名自由职业抄写员。无需建造办公室或工厂，无需遵守当地法规，而且在大多数情况下无需缴纳地方税”。〔1]
从另一个更加明显的意义上说，微工作网站让低技能服务工作和自动化系统进行更加密切的合作。微工作培训、调节和纠正人工智能，通过这种方式向人工智能展示如何发挥劳动力的作用，即使其中一些技术从未成为资本主义经济的一般条件。为了让自动驾驶汽车避免交通事故，让聊天机器人理解谈话线索，让自动交易程序承担合理风险，首先必须让机器学习用干净的、带注释的数据进行训练；
[1] Mark Graham and Jamie Woodcock, The Gig Economy: A Critical Introduction, Polity, 2019, p. 54.
42