Inteligência artificial no trabalho: Como estourar a bolha da IA: ataque suas raízes

Existe uma pergunta que Cory Doctorow coloca no centro do seu novo livro e que é difícil de ignorar depois de ler: você trabalha com inteligência artificial ou você trabalha para ela? A diferença parece sutil. Na prática, ela define salário, autonomia e o sentido do que você faz todos os dias.

A metáfora que explica o que ninguém quer admitir

O título do livro, The Reverse Centaur's Guide to Life After AI, carrega a tese inteira numa imagem. O centauro clássico da mitologia é humano na parte superior, animal na inferior. Na retórica das big techs, o "centauro" virou símbolo do profissional do futuro: um humano inteligente e criativo no comando, com IA como extensão poderosa do seu trabalho.

Doctorow inverte a figura. No centauro reverso, a cabeça pensante é a máquina. O humano é o corpo que executa, corrige, valida e alimenta o sistema. Não é ficção científica. É a descrição funcional do trabalho de moderadores de conteúdo no Quênia, operadores de call center na Índia treinando modelos de linguagem enquanto atendem clientes, e desenvolvedores júnior em qualquer lugar do mundo cujo trabalho principal virou revisar o output de uma ferramenta de geração de código.

Doctorow é autor de ficção científica, mas também jornalista de tecnologia com décadas de cobertura crítica da indústria. Quando ele usa uma metáfora, ela tem lastro em pesquisa. O argumento dele não é que a tecnologia é intrinsecamente ruim. É que a forma como o poder está distribuído ao redor dessa tecnologia é estruturalmente problemática, e que nenhuma melhora técnica nos modelos vai resolver isso.

O trabalho invisível que mantém tudo funcionando

Um dos pontos mais importantes do livro é a visibilidade do trabalho humano escondido dentro dos sistemas de IA. Para que um modelo de linguagem funcione de forma aceitável, existe uma cadeia enorme de decisões feitas por pessoas: quais dados entram no treinamento, quais respostas são marcadas como corretas ou problemáticas, quais erros são corrigidos manualmente antes que o produto chegue ao público.

Esse trabalho existe. Ele é real, exige julgamento humano, e as pessoas que o fazem raramente aparecem nos comunicados de imprensa sobre "automação inteligente". O que aparece é a narrativa do produto que "aprende sozinho" e "melhora continuamente". A lacuna entre as duas versões não é acidental. Ela serve a um objetivo muito específico: justificar a compressão de salários e a eliminação de posições com a história de que a máquina substituiu o trabalho, quando na verdade ela terceirizou esse trabalho para uma camada de prestadores com menos direitos e menor remuneração.

No Brasil, esse padrão já se manifesta em setores de atendimento ao cliente, em plataformas de gig economy que usam algoritmos para distribuir tarefas e avaliar performance, e em equipes de tecnologia que foram reestruturadas com o argumento de eficiência via IA para, três meses depois, contratar profissionais em regimes mais precários para fazer o trabalho de supervisão que o sistema exige.

Por que a solução não é técnica

Doctorow é claro neste ponto, e é onde o livro diverge da maioria das análises sobre IA que circulam em newsletters e podcasts de tecnologia: o problema não vai ser resolvido por um modelo melhor, por mais transparência algorítmica voluntária, ou por empresas que "fazem a coisa certa" por iniciativa própria.

A concentração de poder em cinco ou seis empresas americanas que controlam a infraestrutura, os dados e os modelos mais relevantes não é uma falha de mercado que o mercado vai corrigir. É o resultado de décadas de consolidação permitida por reguladores que priorizaram inovação sobre competição. Reverter isso exige ferramentas políticas, não técnicas.

O livro defende três frentes de ação:

• Antitruste agressivo: quebrar ou limitar o poder de empresas que controlam simultaneamente a infraestrutura de nuvem, os dados de treinamento e os modelos de IA cria um conflito de interesse estrutural que prejudica todos os outros atores do mercado.
• Proteção trabalhista real: reconhecer e remunerar adequadamente o trabalho humano que sustenta esses sistemas, incluindo anotadores de dados, moderadores de conteúdo e todos que fazem o trabalho de supervisão que os sistemas exigem mas que o marketing não menciona.
• Transparência com consequências: não a transparência voluntária que as empresas anunciam em relatórios de responsabilidade, mas obrigações legais com auditoria independente sobre o que os modelos fazem de fato versus o que o material de marketing promete.

O Brasil no meio dessa disputa

Para quem trabalha com tecnologia no Brasil, o timing importa. O Congresso discute regulação de inteligência artificial em 2025, num momento em que as regras ainda estão sendo escritas. Esse é o tipo de janela que fecha rápido.

O problema é que o debate público sobre regulação está sendo moldado em grande parte pelas empresas que têm mais a ganhar com regras favoráveis. As big techs têm escritórios de relações institucionais, fundações de pesquisa financiadas estrategicamente, e a capacidade de apresentar seus interesses como sendo os interesses da inovação em geral. Quem representa os trabalhadores do setor de anotação de dados, os moderadores contratados por prestadoras, os desenvolvedores júnior que estão sentindo a compressão salarial? Essa representação é muito mais fraca.

Doctorow não escreve especificamente sobre o Brasil, mas o argumento dele se aplica diretamente. Países que chegam tarde à regulação de tecnologia tendem a herdar os padrões criados onde as empresas têm mais influência. A oportunidade de criar regras que protejam trabalhadores brasileiros e garantam que os benefícios econômicos da automação sejam distribuídos de forma menos concentrada existe agora. Daqui a dois anos, o espaço para isso vai ser menor.

A pergunta que o livro deixa sem resposta fácil

Doctorow é um escritor político. Ele não termina o livro com um roteiro de cinco passos ou uma lista de soluções que qualquer pessoa pode implementar amanhã. O que ele oferece é um enquadramento diferente para uma pergunta que a maioria das pessoas que trabalha com tecnologia evita fazer diretamente: a quem serve o sistema que estou construindo ou adotando?

Essa pergunta é desconfortável porque a resposta honesta, na maioria dos casos, é mais complexa do que o discurso da inovação permite admitir. Ferramentas de IA podem genuinamente aumentar a capacidade de profissionais que têm autonomia sobre como as usam. E ao mesmo tempo, essas mesmas ferramentas podem ser usadas por empregadores para justificar cortes, aumentar metas e reduzir o poder de barganha de trabalhadores. As duas coisas são verdadeiras simultaneamente, e o que determina qual delas prevalece não é a tecnologia em si. São as relações de poder ao redor dela.

Quem tem controle sobre como a IA é implantada no seu ambiente de trabalho? Quem define as métricas que a avaliam? Quem decide o que fazer com os ganhos de produtividade que ela gera? Se você consegue responder essas perguntas com clareza, você sabe de qual lado do centauro reverso você está. Se não consegue, esse livro é um ponto de partida útil para começar a pensar nisso.