Waarom deze 34-jarige man €185 per uur verdient met het trainen van AI naast zijn fulltime baan

Stel je voor: je hebt al een drukke baan, een gezin met een pasgeborene, en toch vind je naast dit alles een nevenactiviteit die je een astronomisch uurtarief oplevert. Klinkt dat als sciencefiction? Voor de 34-jarige Brit Utkarsh Amitabh is het de realiteit geworden sinds hij in januari begon als parttime AI-trainingsspecialist.

De cijfers liegen er niet om: hij verdiende al bijna $300.000 in een paar maanden tijd, puur door AI-modellen te 'voeden' en te corrigeren. Dit is geen typisch bijverdienen met het invullen van enquêtes. Dit is precisiewerk dat betaald wordt alsof het de gouden standaard is.

Veel mensen zien AI als een zwarte doos. Je voert iets in, er komt een antwoord uit. Maar de kwaliteit van dat antwoord? Die hangt af van menselijke experts die het systeem sturen. En dat is precies waar de gaten vallen in de huidige AI-ontwikkeling, zelfs bij de grootste techbedrijven.

De verborgen waarde van 'data-labeling'

Amitabh, zelf CEO van een carrièreplatform, doctorandus aan Oxford en een veelgevraagd spreker, had al een volle agenda. Zijn motivatie was dan ook niet puur financieel; hij meldt dat zijn intellectuele nieuwsgierigheid de doorslag gaf. Toch is een tarief van $200 (ruim €185) per uur voor ‘parttime’ werk behoorlijk aantrekkelijk, zelfs voor een doorgewinterde professional.

Wat doet hij precies om dit tarief te rechtvaardigen? Hij traint AI-modellen door hen complexe, realistische bedrijfsscenario's voor te leggen. Dit proces lijkt sterk op Prompt Engineering, maar dan op het niveau van een expert.

Dit is geen kwestie van Googelen

De kern van zijn werk is het omzetten van vage, menselijke problemen in kristalheldere, machine-begrijpelijke instructies (prompts). Als het AI-model dan een fout maakt, of te ver van het onderwerp afdwaalt, gaat het speurwerk van Amitabh beginnen.

• Hij analyseert de output om te zien welk specifiek detail is gemist.
• Hij corrigeert de dataset en de prompt-structuur.
• Dit iteratieve proces van testen en verfijnen kan uren duren voor slechts één casus.

Het vereist een obsessieve aandacht voor detail. Amitabh benadrukt dat je constant moet letten op zowel menselijke als machinefouten. Dit is, eerlijk gezegd, intellectueel inspannend werk. Je bent de laatste verdedigingslinie tegen 'AI-hallucinaties' die jou straks je werk kunnen kosten.

De lokale relevantie: Waarom dit iedereen in Nederland aangaat

Je denkt misschien: dit is voor Amerikaanse multinationals. Maar de waarheid is dat elke Nederlandse MKB'er of startup die met een eigen LLM (Large Language Model) wil experimenteren, deze getrainde data nodig heeft. Denk aan de lokale bank die een AI-chatbot wil implementeren die echt de nuances van de Nederlandse wetgeving begrijpt, of de gemeenten die hun klantenservice willen automatiseren.

De markt voor gecertificeerde AI-trainers is dunbevolkt. Kennis over hoe je complexe data correct structureert, is momenteel goud waard.

Je eigen stappenplan om de kloof te dichten

Je hoeft geen PhD te hebben om hier een voet tussen de deur te krijgen. Het gaat om de juiste mindset en het bewijzen dat je kritisch kunt denken over technologie.

Hier zijn drie dingen die jij vandaag nog kunt doen, geïnspireerd door de aanpak van de experts:

1. Stel 'Domme' Vragen over Slimme Tools: Gebruik ChatGPT of Gemini voor een complexe taak (bijvoorbeeld: "Stel een juridisch waterdicht concept huurcontract op voor een woning in Amsterdam."). Vraag vervolgens waarom het model bepaalde keuzes maakte.
2. Word een Prompt-Redacteur: Als de output niet klopt, herschrijf je eigen prompt niet lukraak. Maak een 'foutenlogboek' en noteer precies welke instructie het model verkeerd interpreteerde. Dit is de data die trainingbedrijven zoeken.
3. Zoek naar Pilotprojecten: Grote trainingsfirma’s (zoals micro1, de werkgever van Amitabh) zoeken vaak naar MKB-experts in specifieke sectoren. Houd hun vacatures nauwlettend in de gaten.

Het verdienen van een dergelijk hoogtarief is een teken dat er nog een fundamentele menselijke laag mist in de automatisering. Wees niet bang dat AI je baan inpikt; wees de persoon die AI leert hoe het zijn werk goed moet doen.

Welke complexe, alledaagse taak zou jij AI eerst willen leren foutloos uit te voeren? Laat het weten in de comments!