| Traduz | Sleepy.md
Datam de forma monolítica, a cidade de Datong, Shanxi — que outrora sustentou metade do país com carvão — hoje sacode a poeira preta das caldeiras e, com uma picareta mais afiada, volta a atingir, com força, outra mina invisível.
Nos escritórios do Edifício International Jintmao, na Zona Pingcheng, já não há poços elevatórios nem camiões de transporte de carvão. Em vez disso, há milhares de postos de computador dispostos de forma muito cerrada. A base de serviços de dados inteligentes do Shanghai Runxun Cloud Zhong Shenggu ocupa várias andares inteiros; milhares de jovens funcionários com auscultadores estão fixos nos ecrãs, clicando, arrastando e selecionando por enquadramento.
De acordo com dados oficiais, até novembro de 2025, a cidade de Datong já colocou em funcionamento 745 mil servidores, introduziu 69 empresas de chamada e de anotação de dados e impulsionou mais de 30 mil pessoas a encontrarem emprego perto de casa, com um valor de produção de 750 milhões de yuan. Nesta cava numérica, 94% de quem trabalha são pessoas com registo local (residência local).
Não é só em Datong. Entre os primeiros centros de anotação de dados definidos pela Autoridade Nacional de Dados, aparecem de forma bem visível cidades do interior do centro e do oeste como o condado de Yonghe, em Shanxi, Bijie, em Guizhou, e Mengzi, em Yunnan. No centro de anotação de dados do condado de Yonghe, 80% são mulheres. A maioria são mães rurais com filhos pequenos, ou jovens que regressaram à terra natal por não terem encontrado um trabalho adequado.
Há cem anos, nas fábricas têxteis de Manchester, no Reino Unido, estava tudo cheio de camponeses que tinham perdido as suas terras. E hoje, à frente dos ecrãs de computador nas povoações remotas do interior, estão jovens que não encontram lugar na economia real.
Eles estão a realizar um tipo de trabalho por peça extremamente “com cara de futuro”, mas ao mesmo tempo profundamente primitivo: produzem o alimento de dados de que gigantes da inteligência artificial, em Pequim, Shenzhen e no Vale do Silício, precisam para os seus grandes modelos.
Ninguém acha que há algum problema.
Nova linha de produção no planalto de Loess
A essência da anotação de dados é ensinar às máquinas a reconhecer o mundo.
A condução autónoma precisa de reconhecer semáforos e peões; os grandes modelos precisam de distinguir o que é um gato e o que é um cão. A própria máquina não tem senso comum; tem de ser guiada primeiro por um ser humano, que desenha um quadro na imagem e lhe diz: “Isto é um peão.” Só depois, ao engolir milhões de imagens, é que aprende a reconhecer por si.
Este trabalho não exige um nível elevado de escolaridade; exige apenas paciência — e um dedo indicador capaz de clicar sem parar.
Na “era de ouro” de 2017, um simples quadro 2D chegava a custar mais de um mao; havia até empresas que pediam preços tão altos quanto 0,5 jiao. Os anotadores que tinham as mãos rápidas, trabalhando uns doze ou treze horas por dia, conseguiam ganhar cinco a seis centenas de yuan. Nos condados, isso era certamente uma forma de emprego bem remunerada e respeitável.
Mas com a evolução dos grandes modelos, começou a aparecer o lado brutal desta linha.
Em 2023, o preço unitário da simples anotação de imagens já tinha sido esmagado para 3 a 4 fen. A queda foi superior a 90%. Mesmo para os mapas de nuvem de pontos 3D, mais difíceis — compostos por pontos densos e que exigem ampliar inúmeras vezes para se verem as margens — os anotadores também têm de puxar, no espaço tridimensional, um quadro sólido que inclua comprimento, largura, altura e ângulos de rotação, para envolver de forma bem ajustada um veículo ou um peão. E mesmo esse quadro 3D complexo custava apenas 5 fen.
As consequências diretas da queda drástica do preço unitário são o aumento explosivo da intensidade laboral. Para continuar a agarrar-se aos 2 a 3 mil yuan mensais de salário base, os anotadores têm de aumentar continuamente, e sem parar, a velocidade das suas mãos.
Isto não é de modo nenhum um trabalho de escritório leve. Em muitos centros de anotação, a gestão é tão rígida que quase sufoca: durante o horário de trabalho não é permitido atender telefonemas; o telemóvel tem de ficar trancado num compartimento de arrumação. O sistema regista com precisão a trajetória do rato de cada funcionário e o tempo de permanência; se a pausa durar mais de três minutos, os avisos no sistema aparecem nas costas como um chicote.
O que ainda mais faz desmoronar as pessoas é a tolerância a erros. A linha de aprovação da indústria costuma ser 95% ou mais; algumas empresas exigem 98%-99%. Isto significa que, se você desenhar 100 quadros e errar apenas 2, a imagem inteira será devolvida para correções.
As imagens dinâmicas têm frames em sequência; um veículo a mudar de faixa pode ficar ocultado, e o anotador tem de descobrir um a um com base em inferência e contexto. Nos mapas de nuvem de pontos 3D, basta haver um objeto com mais de 10 pontos para ser necessário desenhar um quadro. Num projeto complexo de estacionamento, se as linhas forem desenhadas em demasia ou se houver etiquetas em falta, na inspeção de qualidade as falhas acabarão por ser descobertas. Devolver uma imagem para correção quatro ou cinco vezes é algo do dia-a-dia. No fim, depois de se gastar uma hora, a quantia que fica nas mãos são apenas alguns fen.
Uma anotadora de Hunan publicou, numa plataforma social, o seu documento de acerto de valores: no fim de um dia de trabalho, ela desenhou mais de 700 quadros; o preço unitário era 4 fen; e o total de rendimento foi de 30,2 yuan.
É um retrato profundamente dividido.
De um lado, os chefes de tecnologia com aparência brilhante em conferências, a discutir como a AGI vai libertar a humanidade; do outro, nos condados do planalto de Loess e das montanhas do sudoeste, jovens que todos os dias ficam a olhar para o ecrã oito a dez horas, puxando quadros de forma mecânica — milhares, dezenas de milhares — e até à noite, a sonhar, com os dedos no ar a desenhar linhas de vias.
Alguém já disse que a aparência da inteligência artificial é um carro de luxo a passar a alta velocidade, mas ao abrir a porta descobre-se que, lá dentro, há cem pessoas a pedalar numa bicicleta, a morder os dentes e a esmagar desesperadamente os pedais.
Ninguém acha que há algum problema.
Trabalho por peça para “ensinar à máquina como amar”
Depois de o gargalo do reconhecimento de imagens ser ultrapassado, os grandes modelos entraram numa evolução mais profunda: precisam de aprender a pensar como humanos, a dialogar e até a demonstrar “empatia”.
Isso dá origem à parte mais central e também mais cara no treino de grandes modelos: RLHF (aprendizagem por reforço a partir de feedback humano).
Em termos simples, é fazer com que pessoas reais avaliem as respostas geradas por IA, dizendo-lhe quais respostas são melhores e mais alinhadas com os valores e preferências emocionais humanos.
O motivo pelo qual o ChatGPT parece “humano” é porque, por trás, existem incontáveis anotadores RLHF a “dar aulas” a ele.
Em plataformas de crowdsourcing, este tipo de tarefas de anotação costuma ter preços claramente definidos: 3 a 7 yuan por peça. Os anotadores precisam de atribuir pontuações emocionais extremamente subjetivas às respostas da IA, para julgar se esta resposta é “acolhedora”, se “tem empatia” e se “cuida do estado emocional do utilizador”.
Um trabalhador de base que recebe um salário mensal de 2 a 3 mil yuan, que vive numa lama de realidade a correr à pressa, até sem tempo para cuidar das próprias emoções, acaba por ter de desempenhar, no sistema, o papel de mentor emocional e juiz de valores da IA.
Eles precisam de esmagar à força emoções humanas extremamente complexas e subtis como “calor humano” e “empatia”, e quantificá-las em pontuações frias de 1 a 5. Se as suas avaliações não coincidirem com os critérios padrão definidos pelo sistema, serão considerados como não atingindo a taxa de precisão exigida, e o seu salário por peça — que já era pouco — será deduzido.
É uma “retirada” da cognição. As emoções humanas complexas e discretas, a moral e a compaixão são arrastadas à força para um funil algorítmico. Nas escalas frias de quantificação e padronização, elas são espremidas até à última gota de calor. Quando você admira o facto de o monstro cibernético no ecrã já ter aprendido a escrever poemas e compor música, a perguntar pela saúde e a mostrar preocupação — e até a vestir-se com uma pele cheia de melancolia —; do lado de fora do ecrã, aqueles humanos que eram vivos acabam por regredir, dia após dia, em julgamentos mecânicos, para se transformarem em máquinas de pontuar sem emoções.
Esta é a face mais secreta de toda a cadeia industrial, que nunca aparece em qualquer notícia de financiamento nem em boletins técnicos.
Ninguém acha que há algum problema.
Mestres 985 e jovens de pequenas cidades
O trabalho de puxar quadros da base está a ser esmagado pelas esteiras da IA. Esta linha cibernética começa a estender-se para cima, começando a engolir trabalho intelectual de nível superior.
A fome dos grandes modelos mudou. Eles já não se satisfazem em triturar o senso comum simples; precisam de engolir conhecimento profissional humano e lógica de nível superior.
Nos grandes sites de recrutamento começa a piscar com frequência um tipo de trabalho part-time especial, como “anotação de raciocínio lógico para grandes modelos” e “treinador de humanidades de IA”. O patamar desta ocupação é muito alto: normalmente exige “licenciatura de mestrado 985/211 ou superior”, e envolve áreas profissionais como direito, medicina, filosofia, literatura, entre outras.
Muitos estudantes de pós-graduação de escolas de elite são atraídos e entram em grupos de outsourcing desses grandes fabricantes. Mas depressa descobrem que isto não é um treino mental leve: é uma tortura psicológica.
Antes de aceitarem pedidos oficiais, têm de ler documentos com dezenas de páginas sobre dimensões de avaliação e critérios de julgamento, e fazer duas a três rodadas de anotação de teste. Depois de conseguirem atingir o nível, na anotação oficial — se a taxa de precisão for inferior à média — perdem a qualificação e são expulsos do grupo.
O que mais sufoca é que estes critérios nem sequer são fixos. Perante problemas e respostas semelhantes, se se avaliar com a mesma forma de pensar, o resultado pode ser exatamente o oposto. Isto é como fazer uma prova que nunca acaba e que, além disso, não tem resposta padrão nenhuma. Não há como melhorar a taxa de precisão com esforço ou aprendizagem própria; só se fica a rodar parado, a gastar capacidade mental e energia física.
Esta é a nova forma de exploração na era dos grandes modelos — colapso de classes.
O conhecimento, que já foi visto como uma escada de ouro para quebrar barreiras e subir para cima, hoje caiu ao nível de simples pasto numérico oferecido aos algoritmos, mais complexo ainda de mastigar. Perante o poder absoluto dos algoritmos e dos sistemas, os mestres 985 do “palácio do marfim” e os jovens das pequenas cidades no planalto de Loess chegam à mesma conclusão mais estranha e a um destino final comum, por caminhos diferentes.
Eles caem juntos neste poço de mina cibernética sem fundo, são despojados do brilho, nivelam-se as diferenças, e todos se transformam em engrenagens baratas e substituíveis nas esteiras.
No estrangeiro é igual. Em 2024, a Apple cortou diretamente um grupo de anotação de voz de IA com 121 pessoas em Santiago. Esses funcionários tinham a responsabilidade de melhorar o tratamento multilingue do Siri; eles acreditavam que estavam na periferia das operações centrais de um grande fabricante, mas afundaram, instantaneamente, num abismo profundo de desemprego.
Na perspetiva dos gigantes tecnológicos, tanto as “senhoras” que puxam quadros nos condados, quanto os treinadores de lógica formados em escolas de elite, são essencialmente “consumíveis” que podem ser substituídos a qualquer momento.
Ninguém acha que há algum problema.
Torre de Babel aos triliões, construída com trabalho suado por alguns cêntimos
De acordo com dados publicados pelo China Academy of Information and Communications Technology, em 2023 o mercado chinês de anotação de dados tinha uma dimensão de 6,08 mil milhões de yuan; em 2025 prevê-se 20 a 30 mil milhões de yuan. Segundo as previsões, até 2030 as vendas globais do mercado de anotação de dados e serviços vão disparar para 117,1 mil milhões de yuan.
Por trás destes números, há uma celebração de avaliações — da ordem de centenas de milhares de milhões ou mesmo de milhares de milhões de dólares — por parte de gigantes tecnológicos como OpenAI, Microsoft e ByteDance.
Mas estas montanhas de riqueza não foram parar às pessoas que realmente “alimentam” a IA.
A indústria chinesa de anotação de dados apresenta uma estrutura típica em forma de pirâmide invertida de outsourcing. No topo estão os gigantes tecnológicos que apertam com firmeza os algoritmos centrais; na segunda camada estão os grandes fornecedores de serviços de dados; na terceira camada estão os centros de anotação de dados espalhados por todo o lado e empresas de outsourcing de pequena e média dimensão; e na camada mais baixa estão, finalmente, aqueles anotadores das bases que recebem por peça.
Cada camada de outsourcing tem de “rapar” com força mais uma camada de gordura. Quando o grande fabricante lança um preço unitário de 0,5 jiao, depois de múltiplos ciclos de exploração e espremedura, o que chega às mãos dos anotadores no condado pode ser até inferior a 0,5 fen.
O antigo ministro das finanças da Grécia, Yanis Varoufakis, no seu livro “Tecnofeudalismo”, lançou um ponto de vista extremamente penetrante: hoje, os gigantes tecnológicos já não são capitalistas no sentido tradicional, mas sim “cloudalists” (líderes do cloud).
Eles não têm fábricas e máquinas; possuem algoritmos, plataformas e capacidade de computação — estes são territórios digitais de uma era cibernética. Neste novo sistema feudal, os utilizadores não são consumidores, mas sim “camponeses digitais”: cada like, comentário ou visualização que fazemos nas redes sociais está a alimentar gratuitamente os cloudalists com dados.
E aqueles anotadores de dados espalhados pelos mercados de nível inferior são, neste sistema, os escravos digitais mais na base: não só têm de produzir dados, como também limpar, classificar e pontuar vastas quantidades de dados originais, transformando-os em pasto de alta qualidade que os grandes modelos conseguem consumir.
É uma operação secreta de cercamento cognitivo. Tal como o movimento de cercamento na Inglaterra do século XIX empurrou camponeses para as fábricas têxteis, hoje a vaga de IA empurra os jovens que não encontram lugar na economia real para a frente dos ecrãs.
A IA não eliminou o fosso entre classes; pelo contrário, construiu uma “linha de transporte de dados e suor” que vai dos condados no centro e no oeste da China até às sedes dos gigantes tecnológicos em Pequim, Tianjin, Xangai, Guangzhou e Shenzhen. As narrativas das revoluções tecnológicas são sempre grandiosas e luxuosas, mas o fundo, inevitavelmente, é o consumo em escala de mão de obra barata.
Ninguém acha que há algum problema.
Já não é preciso o amanhã dos humanos
A conclusão mais cruel está a chegar, e cada vez mais depressa.
Com o salto na capacidade dos grandes modelos, aquelas tarefas de anotação que antes exigiam trabalho humano dia e noite estão a ser assumidas pela própria IA.
Em abril de 2023, o fundador da Li Auto, Li Xiang, revelou num fórum dados: no passado, eles precisavam de fazer manualmente a rotulagem de imagens de condução autónoma de cerca de 10 milhões de frames por ano; os custos de outsourcing aproximavam-se de um bilhão. Mas quando passaram a usar grandes modelos para anotação automatizada, aquilo que antes era preciso fazer ao longo de um ano passou, em grande parte, a ser concluído em cerca de 3 horas.
A eficiência é 1000 vezes a do ser humano — e ainda por cima já em 2023. Nos apenas os 3 meses que acabaram de passar, a Li Auto publicou ainda o novo motor de anotação automática MindVLA-o1.
No sector circula uma frase de auto-mofa extremamente verdadeira: “Quanto mais inteligência há, mais trabalho humano há.” Mas agora, no outsourcing de anotação de dados por parte dos grandes fabricantes, já se registou uma queda em “despenhadeiro” de 40%-50% no investimento.
Aqueles jovens das pequenas cidades que passaram inúmeros dias e noites de olhos fixos no computador, até terem os olhos vermelhos de tanto forçar, alimentaram por suas próprias mãos um monstro gigante. E agora, este monstro está a voltar-se contra eles, a destruir-lhes o ganha-pão.
Quando chega a noite, os escritórios em Pingcheng, Datong, continuam tão pálidos como de dia. Os jovens que fazem turnos silenciosamente trocam, nos corredores dos elevadores, as suas carcaças cansadas. Neste espaço de dobra aprisionado por incontáveis quadros poligonais, ninguém se importa com que tipo de salto épico a arquitetura Transformer do outro lado do oceano vai sofrer, nem ninguém consegue entender o estrondo da capacidade de computação por trás de centenas de milhares de milhões de parâmetros.
Os seus olhares ficam apenas presos numa barra de progresso vermelha no fundo, que representa “a linha de aprovação”, calculando se aqueles poucos — alguns pontos, alguns fen — do valor por peça conseguem juntar, no fim do mês, uma vida decente.
De um lado, o bater do sino da Nasdaq e a enxurrada de artigos da comunicação social tecnológica: os gigantes brindam pela chegada da AGI; do outro, esses escravos digitais que alimentaram a IA, mastigando-a, com a própria carne e sangue, só conseguem esperar com medo nas suas noites de sono doloridas, pelo momento em que, numa certa manhã que parece normal, o monstro que eles próprios criaram, sem grande cerimónia, lhes chute o ganha-pão para longe.
Ninguém acha que há algum problema.
Clique para saber mais: BlockBeats está a recrutar vagas
Bem-vindo a juntar-se à comunidade oficial da BlockBeats:
Grupo de subscrição Telegram: https://t.me/theblockbeats
Grupo de Telegram: https://t.me/BlockBeats_App
Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia
