Treinamento de robôs humanoides: trabalhadores mal pagos ensinam a IA que os substituirá

É um paradoxo que expõe com clareza os alicerces digitais da nova economia: são os próprios trabalhadores, muitas vezes em funções pouco valorizadas, que fornecem os dados práticos para treinar a próxima geração de máquinas. Enquanto engenheiros e profissionais qualificados já vivem a apreensão da automação, agora é a vez de faxineiros, cuidadores e auxiliares domésticos serem recrutados para ensinar o movimento e a rotina a um robô humanoide — e fazê‑lo por salários irrisórios.

O processo é simples na forma, complexo nas implicações. Pessoas colocam uma câmera na cabeça, sensores no pulso e um gravador de voz. Tudo o que fazem — limpar janelas, cozinhar, estender roupas, regar plantas, responder a interrupções inesperadas — é filmado e transformado em prompts articulados que alimentam modelos de IA voltados para a atuação física. Não se trata apenas de replicar um gesto: o objetivo é transmitir conceitos como suspensão de uma tarefa diante de uma urgência, ou a noção de prioridade no fluxo de atividades domésticas. Em outras palavras, o algoritmo torna‑se uma forma de infraestrutura que precisa aprender as camadas práticas do cotidiano.

Na Califórnia, centenas de pessoas são recrutadas diariamente para registrar essas rotinas. De Santa Monica a Los Feliz, trabalhadores colocam câmeras na cabeça e nas mãos para gerar o corpo de dados que permite a um robô humanoide compreender e reproduzir movimentos humanos no mundo físico. Esse tipo de coleta criou uma microeconomia dos dados: empresas pagam por demonstrações reais, porque as informações sobre movimento humano não estão disponíveis na web do mesmo modo que textos ou imagens.

Em escala global, estruturas similares — conhecidas como "arm farms" — reúnem centenas de pessoas para demonstrar ações simples, enquanto na China existem mais de 40 centros estatais onde operários movem robôs usando visores de realidade virtual. Grandes players como Tesla e Google e startups californianas como Figure AI e Dyna Robotics competem nesse terreno, e a previsão do mercado é ambiciosa: segundo o Goldman Sachs, o setor de robôs humanoides pode atingir 38 bilhões de dólares até 2035, com grande participação da China e crescente atividade na Califórnia.

Do ponto de vista sistêmico, estamos vendo a extensão do sistema nervoso das cidades para o domínio físico: o fluxo de dados que antes alimentava apenas serviços digitais passa a estruturar também a força de trabalho mecânica. Essa transição revela duas camadas críticas. A primeira é técnica: modelos de "IA física" exigem demonstrações humanas detalhadas para generalizar comportamentos complexos. A segunda é social: a mesma economia que cria valor com robôs tende a externalizar os custos sobre trabalhadores que, paradoxalmente, estão ensinando seus substitutos.

O tema exige respostas públicas e empresariais que vão além do pânico tecnológico. Regulação sobre coleta de dados laborais, garantias de remuneração justa para demonstrações e políticas de reconversão profissional são medidas práticas que tratam a automação como uma mudança estrutural, não um destino inevitável sem mediação. Em termos de infraestrutura, é urgente mapear como o capital de dados é produzido, por quem e com que retorno social.

Como analista, vejo esse fenômeno como um lembrete: a inovação não é neutra, ela se apoia em cadeias de valor visíveis e invisíveis. O desafio é transformar esse fluxo de dados em uma rede resiliente e justa — onde o desenvolvimento dos robôs humanoides seja acompanhado por políticas públicas que preservem a dignidade e a segurança econômica de quem hoje, de câmera na cabeça, alimenta a próxima camada de inteligência.