Autofagia do trabalho: humanos treinando a própria obsolescência
O que vai sobrar para fazermos quando até o nosso trabalho já não precisar mais de nós?
Um vídeo recente mostra trabalhadores indianos em fábricas têxteis fazendo exatamente o que sempre fizeram – costurando, dobrando tecido, repetindo movimentos ao longo do dia inteiro.
Só que agora tem um detalhe que muda completamente a leitura da cena: câmeras presas na cabeça registrando tudo do ponto de vista dos próprios olhos, capturando cada gesto, cada ajuste, cada microdecisão que normalmente passaria despercebida, e transformando tudo isso em dado.
A partir daí, empresas como a Objectways pegam esses dados, organizam, rotulam e transformam em base para sistemas como o Tesla Optimus, o Figure 03 e o Atlas, criando um fluxo contínuo onde aquilo que antes estava no corpo da pessoa, na prática, na repetição, vai sendo extraído, empacotado e deslocado para fora dela até virar algo que roda sozinho, em escala.
Aqui não tem muito como suavizar, o que está acontecendo é bem direto: essas pessoas estão treinando sistemas de IA para que, no futuro, esses sistemas consigam fazer exatamente aquele trabalho sem elas. Humanos ensinando máquinas a executar seus próprios trabalhos, passo a passo, movimento por movimento, decisão por decisão, literalmente preparando a própria substituição.
Nesse ponto entra um conceito antigo que ganha uma cara bem mais concreta agora, a mais-valia de Karl Marx. Antes ela explicava o valor gerado pelo trabalhador que não ficava com ele; agora, se estende para algo ainda mais profundo, porque não é só o resultado do trabalho que está sendo capturado, é o jeito de fazer, o raciocínio, o padrão, o método.
O trabalhador não entrega só produção, ele entrega o manual da produção. Esse manual continua gerando valor muito depois que ele sai da equação, sendo replicado, distribuído e executado sem depender dele.
O movimento é fácil de entender e difícil de encarar. Aquilo que você sabe fazer começa a ser separado de você, vira ativo e passa a rodar em escala sem você participar do resultado, criando uma dinâmica onde o valor deixa de estar preso ao indivíduo e começa a circular fora dele.
E se você acha que isso está restrito a trabalho manual, repetitivo e mal pago, está olhando para o lugar errado.
Essa mesma lógica já está avançando com força total para o topo da pirâmide profissional, com plataformas como a Mercor funcionando como um atalho direto entre empresas que precisam treinar sistemas de inteligência artificial e profissionais altamente qualificados dispostos a transformar seu conhecimento em algo estruturado, transferível e replicável.
A Mercor foi criada há cerca de dois anos por três fundadores de 22 anos – Brendan Foody, Adarsh Hiremath e Surya Midha – e já construiu uma operação avaliada em cerca de US$ 10 bilhões, transformando-os nos bilionários self-made mais jovens do mundo ao organizar um sistema que conecta diretamente conhecimento humano com infraestrutura que escala esse conhecimento.
Ela funciona como um marketplace de talento especializado voltado para tarefas de alto nível cognitivo, onde o objetivo não é contratar alguém para trabalhar dentro de uma empresa, mas sim contratar alguém para externalizar como o trabalho é feito, decompor raciocínio, estruturar decisões, rotular dados complexos e validar respostas de modelos.
Leia mais: Quem vai consumir alguma coisa se a IA acabar com a maioria dos empregos?
Na prática, empresas de tecnologia, laboratórios de IA e organizações que desenvolvem modelos avançados usam a Mercor para acessar médicos, advogados, economistas, engenheiros e consultores como freelancers, sem vínculo tradicional, porque o objetivo não é incorporar essas pessoas, é capturar como elas pensam, como decidem e como resolvem problemas.
O processo de contratação também parece ter saído de um filme de ficção, já que a entrevista é inteira conduzida por uma AI na figura de uma luz que pisca mais forte ou mais fraco na tela à medida que “ela” faz perguntas ao candidato que, por sua vez, responde para a máquina. O "papo" é focado em provas de conhecimento, incluindo testes técnicos, resolução de casos e explicação do raciocínio passo a passo.
Uma vez aceitos, esses profissionais passam a executar tarefas como classificar casos complexos, revisar respostas de modelos, estruturar argumentos, criar exemplos ideais, organizar fluxos de decisão e explicitar critérios técnicos. Ou seja, tudo aquilo que antes acontecia de forma implícita e que agora precisa ser tornado explícito para que possa ser absorvido por sistemas.
O trabalhador não entrega só produção, entrega o manual da produção, que continua gerando valor muito depois que ele sai da equação.
Os pagamentos chegam a US$ 300 por hora, valores altos o suficiente para acelerar esse processo sem resistência. A pessoa pode escolher quantas horas quer trabalhar treinando as IAs (até 80 horas semanais), o que acaba ramificando ainda mais o processo e gerando ganhos altos, que muitas vezes ultrapassam até os empregos formais desses profissionais.
Radiologistas diplomados classificam exames e deixam explícito como pensam, criando padrões que podem ser aplicados infinitamente. Advogados conceituados estruturam argumentos, organizam interpretações e transformam julgamento em fluxo lógico. Economistas pós-graduados traduzem modelos complexos em decisões parametrizadas.
Consultores pegam frameworks que antes eram diferencial competitivo e transformam em sequência limpa, organizada e replicável, tudo sendo progressivamente separado da pessoa que originalmente detinha aquilo.
Assim, o futuro do trabalho começa a se desenhar a partir dessa tensão onde trabalhar deixa de ser garantia de relevância econômica e passa a ser apenas uma etapa na construção de algo que funciona melhor sem a gente. Esse movimento vai seguir até um ponto em que a própria atividade de treinar a AI vai começar a se esgotar. Ela já vai saber tudo.
Leia mais: Dispositivos com IA: nós os controlamos ou somos controlados por eles?
No meio de tudo isso, nasce uma pergunta para nós humanos que vai ficando cada vez mais difícil de ignorar: se continuarmos ensinando tecnologia a fazer nosso próprio trabalho, se continuarmos entregando não só o resultado, mas o método, se continuarmos transformando conhecimento em algo que roda sem a gente, o que sobra para fazermos quando até o nosso trabalho já não precisar mais de nós?
