但是，就算工作過程被科技訣竅宰制，類似高茲所稱的「專職工作」仍有遺留痕跡。自動化和理性化使得「個人」工作的概念變得貧乏，但多數工人仍有「角色」，且每天都有規律的內容，無論變得多麼乾涸或是缺乏個人性。我們能把這種規律性想成是過去曾被稱為專職工作的亡靈軀殼，基本上已被機械和管理系統抹除，但尚有一絲氣息存續下來。
微工作網站上，卻連這一丁點的蹤跡都消失殆盡。用手機和筆電做的短任務案件，不再能稱為真正意義上的專職工作，而是其他差事細部切分且極短的零工，通常都在30秒內，且每份任務案件彼此之間關連並不大。
這個問題在簡式群包網站特別明顯，因為不如監管式網站那樣提供了數小時或數天份的任務套組。一天下來，MTurk 接案者可能翻譯一段文字，聽英國腔音檔打下逐字稿，教導演算法辨識腳踏車，為電子商務網站寫產品描述，標出網頁上冒犯人的內容，填寫新冠病毒問卷，接著去麥當勞店面拍攝「快樂餐」然後把照片傳到網路上。另一方面，使用這些網站的業主享有很高的彈性，理論上可以在一小時之內聘用及解散整個團隊的人員。
要打造這種程度的彈性，首先要把現存的工作和計畫切割成數個短任務案件。這裡以譯者的角色為例。理論上，現在許多基本翻譯工作已能用深度學習演算法來完成，但也有許多任務需要程式編寫尚且無法處理的文化敏銳度，像是詩歌和小說。對於較不需要辨識細部語意的案件來說，Lionsbridge 這類平台能把文字細分成給演算法翻譯的部分，以及剩下讓譯者翻譯的短段落小案件，包含：「對話主題歸類、判別陳述蘊藏的情緒、區分意圖並辨識詞性。」如果要聘請數名優秀的全職譯者或語言專家，就得涉及權益保障、合理價碼和工會資格，相較之下公司能租借由五十名匿名接案者組成的臨時團隊來擔任相同角色。
再舉另一個例子：令人擔憂（或備受崇敬）的自動化管理，其實是將完整的工作拆分成數個任務—有些交給機器，有些交給工作者。例如，Uber 常被批評，它完全用演算法取代管理人員。實際上，現在許多管理角色分為演算法和一群 Appen 等平台上的工作者。因此，管理變得與過往非常不同。計程車公司的管理者通常需要監督一個車隊的駕駛人員，尤其是要確保他們安全上路、身分屬實等等。Uber 在這方面遇到困難是眾所周知的，特別因為採用的臉部辨識軟體易出錯。駕駛人員如果剃掉鬍鬚或換新髮型，就可能在對照身分時因為日常面部驗證失敗而被標示為危險人員。因為演算法無法評估駕駛人員的可信度，所以會自動將驗證任務發送到 Appen 等平台。接到該案件的人有 30 秒時間來檢驗這名駕駛人員是不是本人。如果接案者判斷「是」，就能夠發車；如果「不是」，就會取消上路資格並鎖住駕駛人員帳號。在不到一分鐘的時間內，接案者間接扮演了 Uber 管理人員的角色，對監控人力派遣流程及公司工作流程決策的演算法進行了監督之責。
