Inteligência artificial, mãos humanas: o trabalho invisível por trás das máquinas

A inteligência artificial tem sido apresentada como uma das expressões mais avançadas da automação contemporânea, sobretudo em razão da capacidade de sistemas computacionais produzirem textos, imagens, códigos, traduções e recomendações em poucos segundos, realizando atividades que, até então, dependiam diretamente da intervenção humana.

Essa aparente autonomia, entretanto, não corresponde à ausência de trabalho humano, mas resulta, em grande medida, da invisibilização das relações sociais e materiais que sustentam o funcionamento dessas tecnologias. Por trás dos modelos considerados inteligentes, desenvolve-se uma extensa cadeia de atividades destinadas à coleta, organização, classificação e validação de dados. Desse modo, embora o resultado final seja apresentado como produto de uma inteligência artificial, a sua produção permanece profundamente vinculada ao trabalho humano.

Partindo dessa perspectiva, torna-se necessário deslocar a análise da IA enquanto mero produto tecnológico para as relações econômicas, sociais e materiais que condicionam sua produção e seu funcionamento.

Crawford (2021), em Atlas da IA: poder, política e os custos planetários da inteligência artificial, demonstra que a IA não pode ser compreendida exclusivamente a partir de seus códigos, algoritmos ou capacidades computacionais, pois sua existência depende de uma extensa infraestrutura que mobiliza recursos naturais, energia, equipamentos, sistemas de processamento, dados e trabalho humano.

A própria ideia de "nuvem", frequentemente associada a uma dimensão imaterial e aparentemente ilimitada da tecnologia, contribui para ocultar essa estrutura, uma vez que, por trás dela, encontram-se centros de processamento, redes de comunicação, elevado consumo energético, extração de minerais e uma multiplicidade de trabalhadores responsáveis por sustentar seu funcionamento.

Essa dimensão material, portanto, não constitui um aspecto secundário da inteligência artificial, mas integra as próprias condições de sua existência e expansão. Ao examinar essa estrutura, Crawford evidencia como diferentes formas de extração se articulam na cadeia produtiva da IA, revelando aquilo que permanece encoberto pela aparente imaterialidade da tecnologia:

A mineração que sustenta a inteligência artificial é simultaneamente literal e metafórica. O novo extrativismo da mineração de dados amplia e impulsiona o antigo extrativismo da mineração tradicional. A cadeia de produção necessária para alimentar sistemas de IA ultrapassa muito os componentes técnicos de hardware, servidores e redes, alcançando capital financeiro, trabalho humano e recursos naturais — exigindo enormes quantidades de cada um deles. A 'nuvem é a espinha dorsal da indústria da inteligência artificial, mas ela é feita de rochas, salmouras de lítio e petróleo bruto" (Crawford, 2021, p.31).

A partir dessa cadeia produtiva, torna-se necessário observar uma dimensão que permanece menos perceptível no funcionamento dos sistemas: o trabalho humano. Entre a extração dos recursos necessários à sua infraestrutura e a operação dos modelos, desenvolve-se uma multiplicidade de atividades desempenhadas por trabalhadores, muitas vezes de forma fragmentada, terceirizada e pouco visível.

É precisamente nesse ponto que a linguagem da automação produz um efeito relevante, pois, quando se afirma que "a inteligência artificial aprendeu", "o algoritmo decidiu" ou "a máquina produziu", o processo social que tornou aquela operação possível tende a desaparecer da narrativa. O trabalhador deixa, assim, de figurar como sujeito do processo produtivo e passa a ocupar uma posição pouco perceptível na estrutura tecnológica.

Gray e Suri (2019) utilizam a expressão ghost work ("trabalho fantasma", tradução dos autores) para designar o trabalho humano que permanece oculto na operação de serviços digitais apresentados como automatizados; são trabalhadores responsáveis por tarefas como classificação, moderação, revisão e avaliação, incorporadas ao funcionamento dos sistemas sem que sua presença seja percebida pelo usuário. A tecnologia, assim, não elimina necessariamente o trabalho, mas torna-o menos visível e, com isso, também mais fácil de dissociar do produto final.

À medida que as atividades produtivas passam a depender de infraestruturas digitais, as plataformas deixam de atuar apenas como espaços de conexão entre trabalhadores, usuários e mercados e passam também a organizar essas relações e registrar as interações que ocorrem em seu interior. É nesse contexto que Srnicek (2017) identifica o capitalismo de plataformas, marcado pela centralidade dos dados na organização das atividades econômicas e na extração de valor. Nas plataformas digitais, as interações realizadas pelos usuários deixam de ser apenas parte da experiência oferecida e passam também a constituir uma fonte de informações que pode ser utilizada economicamente.

Essa transformação também pode ser compreendida a partir do conceito de colonialismo de dados, desenvolvido por Couldry e Mejias (2019) para descrever a apropriação sistemática de aspectos da vida humana como matéria-prima para processos de acumulação. Sob essa perspectiva, a expansão da inteligência artificial não envolve apenas o desenvolvimento de novas ferramentas computacionais, mas também o aumento da capacidade de transformar experiências, comportamentos e atividades humanas em recursos economicamente apropriáveis.

Ao mesmo tempo, os custos e os benefícios desse processo são distribuídos de forma desigual. Enquanto a infraestrutura tecnológica tende a se concentrar em grandes empresas com elevada capacidade de investimento e processamento, determinadas etapas da produção podem ser terceirizadas e distribuídas globalmente, sobretudo aquelas que dependem de trabalho humano intensivo e de menor remuneração. Essa dinâmica também exige uma compreensão mais ampla dos efeitos da IA sobre o trabalho, que não se limite à possibilidade de substituição dos trabalhadores pelas máquinas.

Embora parte do debate esteja concentrada na possibilidade de substituição de trabalhadores pela automação, os efeitos da IA também alcançam a forma como o trabalho é organizado e realizado. Nesse sentido, um estudo publicado pela Organização Internacional do Trabalho (OIT) em 2025 identificou que um em cada quatro trabalhadores no mundo está em uma ocupação com algum grau de exposição à IA generativa.

O estudo também aponta que a transformação das ocupações tende a ser mais provável do que sua substituição completa, uma vez que a maioria das ocupações reúne tarefas que ainda dependem da participação humana. Os resultados indicam, portanto, que os efeitos da IA sobre o trabalho não se resumem à eliminação de empregos, mas também envolvem mudanças nas tarefas que compõem diferentes ocupações.

Mais do que perguntar quantos trabalhadores serão substituídos, é necessário questionar quem se apropria dos ganhos de produtividade gerados pela inteligência artificial. Assim, a redução do tempo necessário para realizar uma atividade produz ganhos econômicos, mas não define sua distribuição.

Esses ganhos podem melhorar as condições de trabalho e reduzir a jornada ou, ao contrário, ser apropriados pelas empresas como redução de custos e aumento dos lucros. Portanto, os efeitos da tecnologia sobre o trabalho dependem também de como os ganhos de produtividade são distribuídos socialmente.

A exploração invisível por trás da inteligência artificial mostra que a chamada revolução tecnológica não rompeu com as estruturas do capitalismo. Em muitos casos, apenas encontrou novas formas de organizá-las e aprofundá-las.

A fragmentação do trabalho, a extração de dados, a terceirização, a vigilância e a concentração econômica passam a operar por meio de tecnologias que tornam essas relações menos visíveis. Por isso, o que muda não é a existência da exploração, mas a forma como ela se apresenta; enquanto as máquinas parecem agir de maneira autônoma, permanecem ocultas as pessoas, os trabalhos e as relações econômicas que tornam seu funcionamento possível.

Por isso, a inteligência artificial não pode ser compreendida apenas como uma tecnologia capaz de automatizar tarefas; o seu funcionamento depende de recursos naturais, infraestrutura, dados, capital e trabalho, todos inseridos em relações econômicas que ultrapassam o próprio sistema computacional. Nesse sentido, quanto mais a IA é apresentada como autônoma e inevitável, mais necessário se torna questionar as relações de poder que sustentam sua expansão.

Referências

COULDRY, Nick; MEJIAS, Ulises A. The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism. Stanford: Stanford University Press, 2019.

CRAWFORD, Kate. Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence. New Haven: Yale University Press, 2021.

GMYREK, Paweł; BERG, Janine; KAMIŃSKI, Karol et al. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. Geneva: International Labour Organization, 2025. DOI: 10.54394/HETP0387. Disponível em: https://www.ilo.org/publications/generative-ai-and-jobs-refined-global-index-occupational-exposure. Acesso em: 2 out. 2026.

GRAY, Mary L.; SURI, Siddharth. Ghost work: how to stop Silicon Valley from building a new global underclass. Boston: Houghton Mifflin Harcourt, 2019.

SRNICEK, N. Platform capitalism. Cambridge: Polity Press, 2017.

O texto acima expressa a visão de quem o assina, não necessariamente do Congresso em Foco. Se você quer publicar algo sobre o mesmo tema, mas com um diferente ponto de vista, envie sua sugestão de texto para redacao@congressoemfoco.com.br.