Woensdag interviewden wij Christine Okoth, een software developer in Kenia. Saskia leerde haar daar kennen tijdens haar reis door het land. In het interview vertelt Christine over hoe het is om een zwarte vrouw in tech te zijn, over het “cheap labor” werk achter de large language models die wij dagelijks gebruiken, en bespreken we de positie van Afrika in het AI-landschap: de infrastructuur, de data.
Christine heet online “Chris”, een naam die ruimte maakt waar haar eigen naam dat niet doet
Niet omdat ze het een leuke afkorting vindt, maar omdat ze als vrouw op remote werkplatformen simpelweg minder serieus wordt genomen. “I came in already knowing that if I came in as a woman I wouldn’t be as accepted,” vertelt ze.
Christine is freelance backend developer en educator in Nairobi. Ze leerde zichzelf blockchain, geeft workshops aan vrouwen in tech, en was eerder lerares en schoolcounselor. Een tijdje terug probeerde ze er iets bij te verdienen als data annotator: het soort werk dat modellen als ChatGPT en Claude mede mogelijk maakt. Want achter die modellen zitten mensen, en die mensen wonen vaak in Kenia.
Maar hoe wordt een groot taalmodel gemaakt? Laten wij het proberen in drie zinnen. Eerst leert het patronen herkennen uit enorme hoeveelheden tekst. Dan wordt het bijgestuurd op gerichte voorbeelden. En tot slot beoordelen mensen welke antwoorden beter zijn dan andere. Die laatste fase, plus het labelen van beelden en video voor vision-modellen (de modellen die beelden begrijpen), wordt grotendeels gedaan door data annotators in lagelonen-landen.
$0,0001 per taak
Christine hoorde via via dat je kon bijverdienen met data labelen voor AI-trainingen, dus ze opende een account. Het werk: je krijgt een foto en moet daarop precies uitlijnen wat er te zien is. Een mens, een boom, een tafel. Zo leert het model later wat er op een afbeelding staat. Dit is het werk waar visuele AI op gebouwd is.
Het systeem is simpel: lijn je iets niet goed uit, dan wordt je taak afgekeurd en krijg je niets. Christine beschrijft taken van $0,004 die je vier uur kosten, of $1 voor werk waar je drie dagen aan zit. Na één afgekeurde taak was het klaar voor haar. “I tried one task and it didn’t get approved and I was so exhausted I closed my account.” Ze had het ergste niet meegemaakt, want dat is voorbehouden aan de mensen die hier fulltime in zitten.
Sama Group, een Amerikaans bedrijf met kantoren in Nairobi dat AI-trainingsdata verwerkt voor grote techbedrijven, betaalde zijn Keniaanse annotators tussen de $1,32 en $2 per uur. OpenAI betaalde Sama $12,50 per uur voor datzelfde werk. De mensen die het uitvoerden zagen een fractie daarvan, in shifts van negen uur waarin ze 150 tot 250 passages doornamen. Vaak met beeldmateriaal van seksueel geweld, onthoofding en zelfmoord. Het soort content dat ChatGPT juist moet leren herkennen en weigeren, maar iemand moet zien om het aan te wijzen.
Daniel Motaung, een van die Keniaanse moderators, klaagde Meta en Sama aan voor PTSD en arbeidsrechtenschendingen, en 140 collega’s sloten zich aan. Sama beëindigde het OpenAI-contract acht maanden voortijdig, de bedrijven schoven de verantwoordelijkheid naar elkaar door, en de rechtszaak loopt nog. “It’s still mentally tasking,” zegt Christine over data-annotatiewerk in het algemeen, en voor wie het fulltime doet is dat een understatement.
Het tegenargument klinkt bekend en het is niet onzin: AI creëert werk in regio’s waar formele werkgelegenheid schaars is, en dat zijn inkomsten die er anders niet waren. Christine snijdt er dwars doorheen. “I hate the concept of looking at Africa and looking at African labour as cheap labour,” zegt ze, en even later: “If we’re considered cheap then we’re considered not good enough.” Dat is niet alleen een moreel bezwaar, maar ook een structureel probleem. Als de waarde van Afrikaans werk systematisch wordt onderschat, heeft dat gevolgen voor hoe die arbeidsmarkt zich ontwikkelt, welke vaardigheden worden gewaardeerd en welke rollen er beschikbaar komen.
De Franse socioloog Antonio Casilli, die uitgebreid onderzoek doet naar digitale arbeid, vat het scherp samen: het gevaar is niet dat robots onze banen overnemen, het gevaar is dat mensen werk moeten doen dat op robotwerk lijkt. Repetitief, onzichtbaar, slecht betaald en essentieel voor systemen die vervolgens worden gepresenteerd als "kunstmatige intelligentie". Casilli en zijn collega's noemen het geen kolonialisme maar "coloniality": de structuren en machtsverhoudingen die ook na het formele einde van koloniale macht gewoon zijn blijven bestaan, in de manier waarop waarde wordt onttrokken en in wie er bepaalt versus wie er uitvoert.
Nairobi’s stroom is een tiende van wat een datacenter nodig heeft
Als het echte probleem alleen goedkope arbeid was, dan zou betere betaling het oplossen. Maar er speelt meer. In 2024 tekenden Microsoft en het Abu Dhabi-gebaseerde technologiebedrijf G42 een deal van 1 miljard dollar voor een datacenter in Kenia, met 100 megawatt in fase één en een gigawatt aan capaciteit op de lange termijn. Het klonk als een inhaalslag, totdat je dat naast Kenia’s elektriciteitsnet legt, dat in totaal zo’n 3.000 tot 3.200 megawatt aankan. President William Ruto zei het zelf, publiekelijk:
“To switch on that one data center, we would need to shut off power for half the country.”
Microsoft eiste vervolgens betalingsgaranties van de Keniaanse overheid voordat de eerste steen werd gelegd, Kenia weigerde, en de deal liep stuk. Afrika heeft op dit moment 1 à 2 procent van de wereldwijde datacentercapaciteit, niet omdat de vraag er niet is en niet omdat de kennis ontbreekt. Christine is direct over wat er dan wel aan de hand is: “The resources are there. It’s a political choice.”
Data is het nieuwe katoen
Bij ons in Europa hebben we GDPR. In Afrika is dat verhaal anders. En dat begint er steeds meer toe te doen, want de grote AI-labs zijn op zoek naar meer diverse data om hun modellen op te trainen, en ze kloppen daarvoor steeds vaker aan in Afrika.
Daar is een reden voor. Kate Kallot, oprichter van het Keniaanse AI-databedrijf Amini, zegt het kort: “It’s a mistake to assume Africa has a lack of data.” Het continent zit op een schat aan data over landbouw, klimaat, talen en economisch gedrag. Wat ontbreekt is de infrastructuur om die data toegankelijk te maken. Veel ervan is versnipperd, analoog en moeilijk te bereiken.
AI-modellen die beslissingen nemen over Afrika, ook die voor klimaat en investeringen, draaien nu op data van elders. Niet van de plek zelf. En tegelijk trekt die rijkdom buitenstaanders aan die de data willen aftappen. Extractie 2.0, dit keer digitaal in plaats van fysiek. Vandaar de vergelijking met katoen.
Kallot is daar scherp over: Afrika moet zijn data sovereignty verdedigen, want in de nieuwe digitale economie is data macht, en die macht geef je niet zomaar weg.
Christine is pragmatischer. “I’m very loose on the who owns the data conversation because the big companies already have everything,” zegt ze, en daarin klinkt gelatenheid: die trein is al vertrokken. Wat ze wél concreet maakt is wat AI voor haar eigen leven zou betekenen. ChatGPT zou veel nuttiger zijn als het Luo sprak, haar moedertaal. Dat doet het niet of nauwelijks. De modellen zijn getraind op talen die al overgerepresenteerd zijn op het internet, en dat is geen technisch toeval maar een uitkomst van keuzes over welke data waardevol genoeg was om mee te beginnen.
Frontier labs hebben allemaal varianten van dezelfde mantra. AI is er om de mensheid vooruit te helpen.
Kijk dan eens wat Kenia op dit moment uit AI haalt. Werkgelegenheid in oneerlijke omstandigheden. Een infrastructuurachterstand die het continent uitsluit van de race, deels nog erfenis van het kolonialisme. En bovenop dat alles kloppen diezelfde frontier labs nu aan om Afrikaanse data op te halen voor hun modellen.
Als je echt wil dat AI problemen oplost op een continent als Afrika, dan moeten Afrikanen dat zelf kunnen doen. Niet de data ophalen, labellen en de infrastructuur ergens anders neerzetten.
Dat klinkt utopisch, maar het is eerder gedaan. M-Pesa is het bewijs. Een mobiel betaalsysteem, in 2007 opgericht door Safaricom, met inmiddels meer dan 60 miljoen gebruikers in zeven Afrikaanse landen en 84 procent financial inclusion in Kenia. Geen product dat van buiten werd geïmporteerd en lokaal uitgerold, maar een Keniaanse oplossing voor een Keniaans probleem. Christine vat het samen: “Mpesa was a Kenyan solution to a Kenyan problem. By the time it was going international, Kenyans owned it.”
Tot slot
🎙️ Podcast. Luister de podcast van vandaag:
En zoals we noemden: Onze volgende aflevering gaat over goed leren prompten. Heb je vragen? Deel ze met ons, of kijk live mee op LinkedIn. Je kunt je hier inschrijven voor de volgende sessie https://www.linkedin.com/events/7449801655522414592?viewAsMember=true.
🏢 Wil je hands-on met AI, en specifiek Claude Cowork en Code, aan de slag? Kom naar onze volgende workshop op vrijdag 29 mei in Utrecht. Er zijn nog maar een paar plekjes beschikbaar. En vergeet niet de kortingscode in de shownotes van de podcast! Als je vrijdag 29 mei niet uitkomt, zet dan de volgende sessie alvast in je agenda: op woensdag 24 juni in Amsterdam. Tickets zijn hier te koop!
🏢 Op maat voor jouw team. We geven ook workshops en trainingen op maat voor bedrijven. Mail ons op hello@herai.work en we denken mee.
💛 Word paid subscriber - Steun ons werk en krijg er extra’s bij: gratis 1-op-1 sessies, korting op onze workshops, en toegang tot ons archief!
