O avanço da inteligência artificial generativa sustenta-se sobre uma contradição fundacional: a promessa de automação irrestrita depende de uma base massiva de trabalho humano manual e precarizado. Em vídeo publicado no canal The Frontier | AI em 8 de maio de 2026, a narrativa de que sistemas autônomos eliminarão a necessidade de labor humano é confrontada por uma cadeia de suprimentos global em expansão. Historicamente, empresas de tecnologia terceirizavam o treinamento de dados para países com baixos salários, como Quênia e Venezuela. No entanto, a exigência por modelos de linguagem mais sofisticados forçou uma mudança demográfica. Agora, a indústria recruta ativamente graduados e doutores nos Estados Unidos, capitalizando sobre um mercado de trabalho restrito para transformar o conhecimento especializado em commodity.
A industrialização da expertise
Para treinar a próxima geração de modelos, como o GPT-5, laboratórios de IA exigem o que Demis Hassabis, executivo citado no vídeo, descreve como capacidades de nível de doutorado. Essa demanda gerou um ecossistema lucrativo de intermediários. As quatro maiores startups de trabalho de dados registram receitas brutas anuais na ordem de US$ 1 bilhão cada. A Scale AI afirma ter mais de 700 mil graduados à disposição, enquanto a Mercor opera com cerca de 30 mil profissionais ativos. A rentabilidade do setor é evidente: em 2021, Alexandr Wang, mencionado como ex-CEO da Scale, tornou-se o bilionário self-made mais jovem do mundo, sendo posteriormente desbancado pelos três fundadores de 22 anos da Mercor.
O modelo de negócios dessas plataformas baseia-se na flexibilidade extrema, repassando a volatilidade aos trabalhadores. O relato de uma doutora formada pela Ivy League, sob o pseudônimo Jen, ilustra a dinâmica. Após aplicar para mais de 200 vagas tradicionais e recorrer a cupons de alimentação, ela foi contratada pela Mercor como "analista de inteligência em filosofia" por US$ 55 a hora, sendo entrevistada por uma IA. Semanas depois, o projeto foi cancelado. Ofertas subsequentes reduziram a remuneração sucessivamente para US$ 45 e US$ 35 a hora.
Para contexto editorial, a BrazilValley aponta que essa estrutura de leilão reverso e contratos intermitentes mimetiza as fases iniciais de outras plataformas de serviços digitais, mas aplicada, de forma inédita, a profissionais com altíssimo nível de instrução formal.
O custo operacional e a "uberização" do conhecimento
A natureza das tarefas de anotação varia de revisões acadêmicas a moderação de conteúdo extremo. Ozzy, um graduado em filosofia que prestou serviços para a Surge AI, relatou ter sido alocado no projeto "Arsenic", focado na revisão de vídeos gerados por IA contendo violência explícita, como assassinatos de animais e mutilação humana. Além do impacto psicológico, ele frequentemente recebia demandas para as quais não tinha qualificação técnica, como problemas avançados de cálculo ou biologia, evidenciando falhas na alocação de expertise.
As condições financeiras do setor são severas. Um estudo do pesquisador Tim Newman revelou que 86% dos trabalhadores de dados nos EUA enfrentam dificuldades para arcar com responsabilidades financeiras. A renda mediana reportada é inferior a US$ 23.000 anuais, com um quarto dependendo de programas de assistência pública e mais de 20% relatando experiências de falta de moradia. Segundo o economista Daron Acemoglu, o impulso da indústria por automação responde a uma ideologia que enxerga o trabalho humano como obsoleto. Ele argumenta que a tecnologia poderia ser usada para ampliar as capacidades de professores e enfermeiros, mas essas opções não estão sendo exploradas. A pesquisadora Mary Gray classifica o fenômeno, previsto por ela em 2019, como o início da "uberização de todo o trabalho de conhecimento".
A dependência da indústria em relação a essa força de trabalho revela sua maior vulnerabilidade. Iniciativas de organização trabalhista, como o Turkopticon, já conseguiram forçar mudanças em políticas de rejeição na plataforma da Amazon. Simultaneamente, o escrutínio regulatório começa a se materializar, exemplificado pelo projeto de lei AB 2653 na Califórnia, que propõe vetar compras estatais de IA de empresas que explorem trabalhadores de dados. O futuro do desenvolvimento tecnológico dependerá de como o mercado equilibrará a sede por dados especializados com a sustentabilidade econômica daqueles que ensinam as máquinas a pensar.
Fonte · Brazil Valley | AI
