Amazon zamyka Mechanical Turk dla nowych klientów

Amazon ogłosił, że od 30 lipca 2026 roku platforma Mechanical Turk przestanie przyjmować nowych klientów. Crowdsourcingowa platforma, która przez ponad dwie dekady zasilała pipeline trenowania modeli AI danymi etykietowanymi przez ludzi, jest stopniowo wygaszana — wyparta przez automatyzację, którą sama pomogła zbudować.

Najważniejsze w skrócie

Od 30 lipca 2026 Mechanical Turk zamknięty na nowych klientów, obecni mogą działać dalej
Platforma działała od 2005 roku, obsługując zlecenia etykietowania danych, moderacji treści i ankiet
AWS nie planuje nowych funkcji — jedynie utrzymuje bezpieczeństwo i dostępność
Badanie z 2023 roku wykazało, że 33–46% pracowników MTurk używało LLM do wykonywania zleconych zadań
Amazon oferuje jako alternatywę SageMaker Ground Truth i Ground Truth Plus

Koniec modelu, który AI zbudowało i zastąpiło

Mechanical Turk — nazwa nawiązuje do XVIII-wiecznego automatu szachowego, ukrywającego wewnątrz człowieka — powstał w 2005 roku jako odpowiedź Amazona na pytanie: skąd brać tanią, skalowalną siłę roboczą do zadań, których maszyny jeszcze nie opanowały. Platforma rozbiła duże projekty na mikrozadania — oznaczanie obrazów, transkrypcje, weryfikację treści — płacąc pracownikom ułamki dolara za wykonaną jednostkę pracy.

W epoce przed generatywną AI był to jeden z fundamentów branży. Modele komputerowego widzenia, klasyfikatory tekstu, systemy rozpoznawania mowy — większość z nich potrzebowała etykietowanych danych zbieranych właśnie przez taki model. MTurk dostarczał skalowalnej, stosunkowo taniej siły roboczej dla laboratoriów takich jak Allen Institute for AI, uczelni i korporacji.

Punktem zwrotnym był rok 2018, kiedy Amazon przepakował MTurk jako narzędzie SageMaker do adnotacji danych dla sieci neuronowych. Platforma miała być mostem między ludzkim rozumieniem a maszynowym uczeniem. Jednak paradoks ujawnił się w 2023 roku: analiza opublikowana w PNAS wykazała, że od 33% do 46% pracowników MTurk używało dużych modeli językowych do automatycznego wykonywania zleconych im zadań. Ludzka praca w pipeline'ie AI była po cichu zastępowana przez AI.

Dlaczego nie było drogi na skróty

Amazon przez lata próbował nadać MTurk drugie życie. Integracja z SageMaker, nowe kategorie zadań, API dla deweloperów — żadne z tych działań nie zahamowało odpływu zarówno klientów, jak i pracowników. Rynek ewoluował: pojawili się wyspecjalizowani dostawcy danych treningowych jak Scale AI i Labelbox, oferujący wyższe standardy jakości i bardziej zaawansowane zarządzanie jakością adnotacji. Jednocześnie modele syntetyczne i generatywna augmentacja danych zaczęły redukować zapotrzebowanie na czysto ludzkie etykietowanie w wielu kategoriach.

Komunikat AWS jest jednocześnie szczery i lakoniczny: "po dokładnym rozważeniu" zdecydowano zamknąć platformę na nowych klientów, bez planów nowych funkcji, z zachowaniem jedynie minimalnego utrzymania. To standardowy język fazy „podtrzymywania życia" produktu, który nie znalazł nowej formuły.

Jako alternatywę Amazon wskazuje SageMaker Ground Truth — własne, w pełni zarządzane narzędzie do etykietowania danych — oraz Ground Truth Plus, wersję z zewnętrzną siłą roboczą zarządzaną przez Amazon. Oba rozwiązania są głębiej zintegrowane z infrastrukturą AI AWS i oferują bardziej rozbudowany monitoring jakości niż otwarty crowdsourcing MTurk.

Symbolika końca epoki

Zamknięcie MTurk dla nowych klientów jest czymś więcej niż rutynowym end-of-life jednego produktu. Platforma stała się symbolem całej filozofii wczesnego AI: maszyny są prawie wystarczające, ale potrzebujemy ludzi, by uzupełnić luki. Ten model zadziałał przez dwie dekady. Wygenerował tysiące badań akademickich, dziesiątki kontrowersji etycznych dotyczących płac i warunków pracy, i — paradoksalnie — ogromną ilość danych treningowych, które pozwoliły modelom AI przekroczyć próg zdolności, po którym platformy takie jak MTurk stają się zbędne.

Warto też dostrzec ironię: MTurk był jednym z „ukrytych fundamentów" produktów AI, które miały się reklamować jako w pełni zautomatyzowane. Termin „Mechanical Turk" wszedł nawet do żargonu jako określenie produktów, które z zewnątrz wyglądają jak AI, ale wewnątrz napędzają je ludzie. W erze, gdy granica ta uległa zasadniczemu zatarciu przez faktyczną automatyzację, pojawił się nowy problem: modele używane do wykonywania zadań z MTurk zatruwają pule danych etykietowanych przez ludzi na potrzeby dalszego trenowania AI.

Dlaczego to ważne?

Zamknięcie Mechanical Turk dla nowych klientów sygnalizuje strukturalną zmianę w tym, jak branża AI pozyskuje dane treningowe. Przez lata MTurk był tańszą alternatywą dla wewnętrznych zespołów adnotacji — dostępną na żądanie, bez umów długoterminowych. Jego schyłek potwierdza, że ten model nie skaluje się do wymagań obecnej generacji modeli: zbyt niska jakość danych, zbyt mała kontrola, za duże ryzyko kontaminacji syntetycznymi odpowiedziami.

Jednocześnie wypycha rynek w kierunku dwóch biegunów: własnych, wewnętrznych zespołów danych (jak te budowane przez OpenAI, Anthropic czy Google) oraz wyspecjalizowanych platform B2B z pełnym zarządzaniem jakością. Małe firmy i startupy tracą najtańszy punkt wejścia do etykietowanego crowdsourcingu. Akademia traci łatwy dostęp do danych ankietowych na dużą skalę — MTurk był standardowym narzędziem w setkach badań z zakresu psychologii eksperymentalnej i ekonomii behawioralnej.

Co dalej?

AWS zachowa dostępność platformy dla obecnych klientów bez określonego terminu wyłączenia — nie ogłoszono daty pełnego zamknięcia
SageMaker Ground Truth Plus staje się domyślną ścieżką dla klientów korporacyjnych szukających zarządzanej siły roboczej do etykietowania
Wyniki badań opierających się na danych MTurk będą wymagały ponownej oceny metodologicznej, biorąc pod uwagę stopień kontaminacji przez LLM w próbach z lat 2022–2026