AI 数据标注：自建团队和外包怎么选

AI 数据标注的自建与外包之争，多数讨论从单价开始，正确的顺序是先看数据能不能出域，再看需求连不连续，最后才轮到钱。顺序错了，省下的单价会在返工和合规上还回去。下面这套判断适用于分类、实体抽取、问答对编写、偏好排序这几类常见任务。

先过合规这道门

涉及个人信息、未公开的商业数据、客户协议内容，出域本身就构成风险。这类数据要么自建，要么在受控环境里由外包人员进场作业，不能简单打包发走。判断方法很直接：把这批数据公开会不会出事？会，就不要走常规外包。

合规不只是签保密协议。还要看数据在对方那里存多久、谁能访问、用完是否删除、是否会被用于训练。这几个问题在协议里写清楚，比事后追责有用。

三个问题定归属

需求是否连续。标注不是一次性投入，模型迭代会反复需要新数据。连续需求摊薄了招募和培训成本，自建更划算；一次性项目，外包的启动速度优势明显。

标准能否写成手册。判断依赖业务经验、边界案例多的任务，手册写不全，自建团队的理解优势就体现出来；规则明确、可以列举正反例的任务，外包按手册执行即可。

规模是否有明显波峰。数据量在短期内翻几倍，自建的招聘周期跟不上，这时候需要外包补峰值，自建保底。三个问题里只要有一个答案落在自建一侧，就值得保留内部能力，其余部分再考虑外包。

成本要按全口径算

把这张表填一遍，很多争议会消失。外包报价低，但如果试标合格率只有七成，实际单价要除以 0.7；自建看起来贵，需求连续两年时，摊到每条合格数据的成本可能低于外包。

混合：按难度分层，不按比例切

常见的折中是核心数据自建、边缘数据外包。切分依据应该是判断难度，而不是数量比例。需要理解业务上下文才能判对的部分留在内部，规则清晰、可用正反例说明的部分交出去。

分层之后要有统一的验收口径，否则两边标出来的数据风格不一致，训练时互相抵消。做法是共建一个黄金集：抽几百条由业务方确认过的样本，两边都跑一遍，一致率低于约定值就不收货。黄金集要定期更新，模型变强之后，原来的难例会变成简单样本，标准不能停在半年前。

验收标准要先于供应商

没有验收标准，外包回来的数据只能靠感觉判断好坏。标准至少包含三项：抽检比例、合格线、返工责任。抽检比例按任务难度定，边界模糊的任务抽检比例要高；合格线用一致率表达，不用基本正确这种描述；返工责任写清谁承担重标成本。

试标是必要的环节。给同样的手册和两百条样本，看对方的合格率和提问质量。提问质量往往比合格率更能说明问题——会追问边界案例的团队，后面踩坑少。

它做不到什么

两种模式都解决不了标准本身错了的问题。如果标注手册的规则和业务目标不一致，自建团队会忠实地标出错误数据，外包会更快地批量复制错误。上线前先用小批量数据训一个模型验证方向，比扩大标注规模更重要。

标注也救不了任务定义。有些需求本质上是让模型学会人的偏好，而偏好本身在团队内部都没统一，这时候先做需求对齐，不要急着招人。同一批数据两个人标出两种结果，问题通常在定义，不在执行。

还有一层现实：并非所有任务都需要大量标注。规则能覆盖的场景用规则，模型已经稳定处理的场景不必重复标。先测基线，再决定标多少，能省掉大量无效投入。

本文只讲选型方法与成本口径，不构成法律或合规意见，具体数据处理要求请咨询专业人士。

选型决策顺序

• 数据能否出域：不能，走自建或驻场
• 需求是否连续：一次性，优先外包
• 标准能否写成手册：写不清，走自建
• 是否有明显波峰：有，自建保底加外包补峰
• 无论哪种：先定验收标准，再谈价格

三个实际会遇到的问题

• 外包团队换了人，质量突然下滑怎么办？：在协议里约定人员变更需提前告知并重新试标。交接文档和黄金集要留在你手里，不能只存在服务商那边。
• 自建团队闲下来的时候做什么？：转向难例挖掘和数据清洗。这两件事永远做不完，也能让团队保持对业务的理解，比闲置或裁撤更划算。
• 能不能让大模型先标一遍，人工只做审核？：可以，适合规则清晰的任务。但审核工作量常被低估，模型预标的错误往往集中在边界案例上，审核反而更费神。先用一批数据测预标加审核的总工时，再决定是否采用。

选型的底层逻辑和挑工具一样，先看任务再比参数。按任务类型选 AI 工具里有一套可复用的判断顺序；评估质量时，转写准确率的对比方法示范了怎么把准不准拆成可测的指标；如果你还在权衡参数与成本的取舍，时长与分辨率的选择提供了一个同类思路。