Es gab eine Phase, nicht allzu lange her, als die meisten Gespräche über künstliche Intelligenz seltsam losgelöst klangen von den Menschen, die tatsächlich Wert innerhalb der Systeme produzierten. Jeder sprach über Modelle, Rechenleistung, Bewertungen und Skalierung, doch nur sehr wenige Menschen sprachen über die stille Schicht darunter: der ständige Strom von menschlich generierten Daten, Korrekturen, Kontext, Feedback und Verhaltensnuancen, die diese Systeme erst nützlich machten.

Die Ungleichheit wurde schwer zu ignorieren, als AI-Produkte von einer Neuheit zu einer Infrastruktur übergingen. Die Modelle verbesserten sich, Unternehmen sammelten mehr Kapital, und die Schnittstellen wurden flüssiger, aber die zugrunde liegende Beziehung zwischen Beitragsleistenden und Plattformen änderte sich kaum. Die Leute gaben immer noch fast versehentlich Verhaltensdaten preis. Entwickler trainierten Systeme mit Gemeindewissen, das sie nicht nachhaltig belohnen konnten. Forscher waren auf fragmentierte Datensätze mit fragwürdiger Herkunft angewiesen. Das gesamte Ökosystem begann, wie eine Maschine zu funktionieren, die Intelligenz von den Rändern extrahiert, während das Eigentum im Zentrum konzentriert wurde.