14 de novembro de 2020

Peça digital

O dever de casa e o pagamento por peça na indústria de vestuário foram amplamente abolidos pelas lutas trabalhistas globais que precederam o New Deal. Os capitalistas do Vale do Silício trouxeram o modelo de volta.

Veena Dubal

Dissent

Jeff Bezos acumulou mais de US$ 85 bilhões desde janeiro. Enquanto isso, muitos trabalhadores da Amazon MTurk recebem menos do que o salário mínimo federal. (John Michael Snowden)

Tradução / Em 1975, as mulheres da Islândia deflagraram uma greve que parou o país. Por um dia inteiro, lembrado hoje como “a Longa Sexta-feira”, 90% das mulheres faltaram aos empregos e se recusaram a cozinhar, limpar e cuidar de crianças e idosos. Os homens andaram numa roda-viva ― sobrecarregando os restaurantes com pedidos e trabalhando mais do que o normal, na tentativa de dar conta tanto do serviço doméstico quanto do remunerado. O objetivo da greve era chamar atenção para o que as feministas socialistas vêm dizendo há décadas: as economias são construídas com base no trabalho feminino não remunerado. A ação mostrou como o capitalismo tende a invisibilizar o trabalho de pessoas com pouco poder político ― recusando-se a reconhecê-lo como tal e a pagar por ele.

No final do século XIX e início do século XX, por exemplo, industriais estadunidenses tiraram proveito da posição subordinada das mulheres, tanto na família como no mercado de trabalho, para desenvolver e ampliar o “trabalho a domicílio”. Fábricas de vestuário distribuíam tarefas para mulheres imigrantes, que moravam em conjuntos habitacionais lotados e a quem pagavam por peça, não por hora. Esse trabalho era propagandeado como um “prazer”, que dava à mulher a possibilidade de suplementar a renda enquanto conversava com as amigas. Na realidade, as trabalhadoras em domicílio laboravam de oito a dez horas por dia para finalizar a maioria das roupas produzidas nos Estados Unidos. Esse trabalho era feito entre, durante e depois das tarefas domésticas não remuneradas, por cerca de metade do salário das operárias da fábrica. O trabalho no domicílio e o salário por peça na indústria do vestuário foram em grande parte abolidos pelas lutas trabalhistas globais que precederam o New Deal e a fixação legal do salário mínimo. Embora mulheres, pessoas não brancas e imigrantes continuassem a ganhar menos do que homens brancos no trabalho fora de casa, a noção de um “salário digno” passou a ser compreendida como um pré-requisito para a cidadania e a liberdade na democracia.

Os capitalistas do Vale do Silício reintroduziram o trabalho por tarefa, usando as brechas na legislação e o maquinário digital para acelerar a quantidade de trabalho feito sem remuneração. No entanto, com o deslumbre provocado pelas narrativas tecnológicas e corporativas, poucas pessoas têm se dado conta disso. À medida que cresciam em popularidade durante a Grande Recessão, plataformas de trabalho como Uber, Lyft e Amazon Mechanical Turk (MTurk), financiadas por capital de risco, prometeram oportunidades de trabalho flexível e “liberdade para pessoas de todas as classes”[1], nas palavras de um anúncio da Uber. Em tempos de desemprego em alta e salários estagnados, a possibilidade de encontrar trabalho apenas baixando um programa ou criando um perfil parecia uma solução mágica para a precariedade da vida. As garantias corporativas eram, porém, enganosas. Embora as empresas tenham criado novas maneiras de obter renda , os trabalhadores da gig economy, conhecida como “economia dos bicos” ou economia sob demanda, hoje trabalham por mais tempo e por muito menos dinheiro.

O retorno a uma era anterior do capitalismo tem sido disfarçado por uma retórica de avanço tecnológico e inovação. De fato, em vez de se discutir como regular o trabalho por tarefa, uma prática industrial ressurgente, o debate contemporâneo sobre o futuro do trabalho tem se concentrado na automação iminente e na ascensão da mão de obra alternativa. Especialistas de várias inclinações políticas afirmam que tanto a automação é uma ameaça à existência do trabalho remunerado, quanto uma vasta maioria da mão de obra consiste, ou consistirá em breve, de profissionais autônomos. Nenhuma das afirmações é comprovada empiricamente. Porém, esse conjunto de ideias tem moldado as percepções dos governantes, cuja tendência tem sido favorecer soluções que ajudam empresas a lucrar às custas da vida dos trabalhadores.

O relacionamento histórico entre capitalismo, trabalhadores e máquinas sugere que a automação não torna o trabalho obsoleto, mas o reordena, geralmente tornando-o invisível. O tempo de serviço que antes era remunerado e legalmente protegido deixa de sê-lo. Compreender essa distinção aponta para diferentes prioridades políticas, como a regulação e a aplicação das proteções trabalhistas existentes. Trabalhadores sob demanda, por exemplo, são centrais para a cadeia de produção que possibilita a automação veicular, realizando, frequentemente, as tarefas mais exigentes em termos de tempo. Nas entrevistas que conduzi com motoristas de aplicativos ― que dirigem para empresas como Lyft e Uber ― e processadores de dados ― que ordenam e categorizam dados em plataformas como MTurk ―, os trabalhadores descreveram uma variedade de serviços não remunerados que precisam fazer.

Como as mulheres que trabalhavam de casa, em conjuntos habitacionais lotados, finalizando suéteres por uma miséria, os trabalhadores sob demanda laboram entre, durante e depois de outros tipos de tarefas, remuneradas e não remuneradas. Eles ressaltam que o uso da tecnologia tem aumentado a quantidade de trabalho não remunerado e exacerbado sentimentos de ansiedade e incerteza. Quando não conseguem atingir a quantia prometida ou desejada, sentem que fracassaram. Por outro lado, os algoritmos, fechados em suas caixas pretas, empregam recursos psicológicos de persuasão para manipular o preço por peça, encorajando os trabalhadores a aceitar jornadas mais longas e quantias menores. Trabalhadores sob demanda relatam que esses mecanismos vão de encontro aos mitos corporativos de flexibilidade e independência ― à ideia de que os tarefeiros digitais são livres para decidir como usam seu tempo. Essa diferença ― entre a narrativa oficial e as condições reais de trabalho ― tem alimentado o crescimento da organização coletiva na “economia dos bicos”. À medida que os trabalhadores se comunicam sobre os problemas rotineiros que enfrentam no serviço, muitos também começam a desenvolver uma resposta política ― e a encontrar maneiras de combater os elementos mais insidiosos das práticas de trabalho e algoritmos que os controlam.

Trabalho não remunerado

Jeff Bezos lançou a Amazon Mechanical Turk em 2005, descortinando seu plano para prover “humanos como serviço” por meio de uma plataforma de crowdsourcing profissional. No site da MTurk, solicitadores de microtarefas referentes a dados se conectam a uma mão-de-obra virtual atomizada e dispersa, que compete pelas tarefas e as completa. Trabalhadores individuais não são remunerados pelo tempo, mas pela tarefa, denominada HIT (Human Intelligence Task, ou Tarefa de Inteligência Humana). Diferentemente das costureiras a domicílio de um século atrás, os trabalhadores remotos digitais da atualidade precisam dedicar seu tempo à competição por tarefas, além de aceitar os riscos de rejeição ao seu trabalho e de recusa de pagamento. Esses trabalhadores, os “turkers”, são tratados como profissionais autônomos e nem os solicitadores, nem as plataformas de trabalho, assumem as responsabilidades legais de um empregador. Assim, os turkers ― dos quais mais da metade mora nos Estados Unidos ― não têm acesso a salário mínimo, hora extra ou nenhuma proteção. Já que a quantia paga pela tarefa costuma ser de alguns centavos de dólar (às vezes menos de um), os trabalhadores remotos são forçados a completar rapidamente um conjunto de tarefas por uma remuneração extraordinariamente baixa, além de imprevisível.

Os donos de fábricas do século passado alegavam que era impossível medir o tempo que as trabalhadoras domiciliares passavam laborando, de modo a pagar seus salários por hora e não por peça. Mas o tempo de trabalho on-line pode ser meticulosamente aferido. Os turkers são até mesmo aconselhados a instalar scripts acessórios no navegador para calcular quanto dinheiro ganharão por hora, se completarem pacotes de HITs em uma dada velocidade. (Embora sejam pagos por tarefa, os tarefeiros digitais ainda consideram seu tempo em termos de salário por hora.) Os scripts operam como ferramentas de autogestão e disciplina de horários ― compelindo trabalhadores sem supervisão humana a manterem uma velocidade frenética, de modo a aumentar sua renda. Mas os scripts também são a única maneira desses trabalhadores tentarem estimar quanto dinheiro ganharão em um dia ou semana.

Os trabalhadores remotos estão muito cientes do que esses scripts não levam em conta: quanto tempo gastam procurando trabalho e cumprindo tarefas de processamento de dados (em geral centrais às transições para a inteligência artificial e a automação) não remuneradas. Janey, moradora de uma antiga cidadezinha mineradora de Appalachia e tarefeira digital há quase cinco anos, expressou sua profunda frustração com a lógica funcional da MTurk, que a impedia de predizer e calcular seu rendimento potencial. As inseguranças e demandas do trabalho remoto digital eram constantes durante o dia e também à noite. Seu tempo de vigília e de sono era permeado pela procura infrutífera por trabalho.

“Se eu trabalhar de 12 a 16 horas por dia, ganho talvez uns US$ 5 por hora. Isso quando tem trabalho, mas se você considera o intervalo entre um bico e outro, o tempo em que está apenas procurando trabalho, então a remuneração por hora cai dramaticamente. Somos muitos agora, e há menos trabalhos de qualidade. Às vezes acordo no meio da noite só para ver se consigo pegar uma boa solicitação. A maioria dos HITs desaparece se você não clicar imediatamente.”

Janey e outros trabalhadores remotos cumprem jornadas longas e imprevisíveis, muito além das tradicionais oito horas, mas sem receber hora extra. Quando perguntei a Janey como ela decidia que já havia trabalhado bastante por um dia, ela respondeu que só se permitia descansar quando atingia suas metas financeiras.

“Se eu precisar ganhar US$ 50 para pagar o aluguel, vou trabalhar dezesseis horas direto. Faço o que for preciso... Mas aí acontece de você não receber pagamento ou seu trabalho ser rejeitado... então não dá mesmo para prever nem a jornada, nem o salário. Mas você faz o melhor que pode.”

Como explica Janey, a própria lógica da MTurk impossibilita qualquer cálculo significativo de salário. Embora haja estudos que tentam definir quanto os trabalhadores ganham na economia sob demanda, com debates acalorados entre economistas no que diz respeito à interpretação dos dados, a questão principal é que os próprios trabalhadores não conseguem estimar ou compreender sua renda em relação ao tempo de trabalho ou às suas despesas. Essa falta de previsibilidade da renda é muito custosa, em termos humanos, para trabalhadores como Janey. Mas em vez de buscar resolvê-la, as empresas sob demanda têm usado a tecnologia para manipulá-la, aproveitando-se da ansiedade dos trabalhadores para aumentar os lucros.

Automatização da ansiedade

As máquinas de jogos antigas tomavam emprestadas técnicas de gestão comportamental adotadas na produção fabril. Atualmente, a apropriação acontece na direção inversa: plataformas de trabalho digital usam teorias comportamentais sobre vício que há muito tem sido exploradas pela indústria de jogos de azar digitais. Não é surpresa que trabalhadores sob demanda frequentemente descrevam seu trabalho com sentimentos de angústia, esperança e perda, típicos da experiência com jogos de azar.

Enquanto os processadores de dados da MTurk têm que competir por HITs, os patrões algorítmicos dos motoristas da Uber e da Lyft mandam pings ― que remetem aos caça-níqueis ― para informar que terão uma corrida e, com sorte, dinheiro suficiente para fecharem o mês no azul. Os motoristas são pagos por corrida, mas, ao contrário das trabalhadoras a domicílio do século passado, não fazem ideia de quantas tarefas terão, nem de quanto ganharão a cada uma. Com tarifas variáveis e competição ilimitada, o salário continua sendo uma aposta diária. Enquanto isso, ocultos atrás dos algoritmos e do design gráfico, há o risco, frequentemente aliado à promessa de recompensas inatingíveis.

Para manter os trabalhadores no jogo, a Uber e a Lyft utilizam o conhecimento da psicologia comportamental. Os processos ocultos através dos quais os algoritmos distribuem perdas e ganhos são projetados de modo a criar uma encantadora sensação de possibilidade e esperança. Os motoristas recebem, dentro do aplicativo, “promoções” individualizadas e escudos por seu “desempenho”, para que se sintam especiais e recompensados. Apesar disso, os motoristas contam que normalmente não fica claro o que estão ganhando de fato. Mensagens de texto e alertas os induzem a trabalharem por mais tempo do que haviam planejado. John, um motorista de aplicativo de Los Angeles envolvido com organizações de motoristas, explica:

“Minha história é na área de tecnologia e, embora eu conheça de perto essas estratégias usadas em jogos e cassinos, ainda entro no jogo. Passei quatro anos morando no meu carro nesse jogo [dirigir para a Lyft]. Quando escuto o som de uma solicitação de corrida, é como ganhar na loteria.”

Os algoritmos obscuros usados pela Uber e pela Lyft são fontes de muita conjectura. Ninguém sabe realmente como a máquina funciona, e muitos sentem-se, com frequência, frustrados e até enganados. Angeline, uma motorista imigrante de San Francisco que perdeu sua pequena empresa na Grande Recessão, conta:

“Elas têm tantos truques! Essas empresas sempre têm algum esquema para competir umas com as outras. Há dias em que te dão muitas corridas ― fazem você dirigir bastante. Mas são corridas baratíssimas. Um dólar. Consegui uma corrida de um dólar ontem… Mas você pensa que já que está conseguindo tantas corridas, é melhor continuar trabalhando naquele aplicativo e não trocar para o outro, porque quem sabe não aparece uma longa? É um truque para você continue trabalhando para eles e não troque para o outro.”

Os motoristas recebem alertas sobre altas da “tarifa dinâmica” e “zonas especiais pessoais”, que podem ser entendidas como um aumento da demanda em determinada área. A ideia, explicam a Uber e a Lyft, no conhecido linguajar da eficiência econômica, é calibrar oferta e demanda. Entretanto, não é eficiente para os motoristas, que são compelidos por mensagens, e-mails e alertas no aplicativo a irem até onde haveria um mercado saturado. Quando chegam, muitas vezes percebem que não há demanda e só lhes resta imaginar por que a Uber os mandou àquela direção. Em um grupo de mensagens que reúne motoristas de Uber organizados, ao qual fui adicionada em 2016, trocam-se avisos sobre falsas altas de demanda: “Estou aqui! Não tem nada.” Seus esforços de ação coletiva eram uma tentativa de obter algum poder sobre a lógica velada por trás das ordens da empresa.

Muitos motoristas de Uber e Lyft, à maneira dos turkers da Amazon, trabalham até atingir uma certa quantia ― suficiente para pagar o aluguel, por exemplo, ou comprar alimentos. Motoristas relatam que os algoritmos da Uber parecem saber de quanto eles precisam. Então, dificultam o alcance da meta. Além disso, à medida que se aproximam do objetivo ― quando estarão prontos para deixar o serviço ―, as empresas, por vezes, oferecem tarifas melhores, na tentativa de adiar seu descanso. Ivri, um motorista de aplicativo de São Francisco e porta-voz de outros motoristas, explica:

“Já me aconteceram muitas coisas ‘boas’ logo quando estou indo para casa. Isso porque o sistema conhece a minha rotina e interfere de várias maneiras para tirar o máximo de mim. Recompensas irregulares e inconsistentes definitivamente são eficazes. E, quando aparecem, os motoristas avisam uns aos outros.”

A percepção de que um prêmio pode ser conquistado, e o sistema, domado, é um incômodo mito que aflige muitos dos motoristas que tentam compreender seus ganhos. Adil, um refugiado, diz que amigos seus conseguem fazer o Uber funcionar para eles. Por que ele não?

“Meus amigos dizem que ganham muito dinheiro, mas eu não entendo como é possível. Não importa quantas horas eu trabalhe, não consigo ganhar tanto quanto eles. Eu não sei o que estou fazendo de errado. Eu não sei como estou dando conta, mas preciso... Não tenho alternativa.”

Quando conversamos, Adil estava visivelmente ansioso e sobrecarregado. Ele limpava a testa e, de vez em quando, seus olhos enchiam-se d’água. Ele tinha que ganhar US$ 2,7 mil por mês para pagar aluguel, comida, gás e seguro. Havia definido uma meta semanal de US$ 1 mil, mas, depois de alguns meses dirigindo, passou a ter que trabalhar por ainda mais tempo para ganhar a mesma quantia. Passava a maioria das noites no carro, a três horas de distância de seus filhos e esposa, para maximizar seus ganhos. Adil tinha certeza que os algoritmos da Uber haviam descoberto sua quantia almejada e a usavam para mantê-lo no serviço por mais tempo. Cada dia de trabalho duro, contou, era como uma aposta.

Décadas de pensamento feminista-socialista nos dizem muito do que precisamos saber sobre a ressurgência do trabalho por peça. Da mesma maneira que o trabalho doméstico tem sido há muito invisível, apesar de sua centralidade para a produção econômica, uma quantidade crescente de trabalho na economia sob demanda se tornou, por concepção, não remunerada e escondida dos órgãos regulatórios. Ainda assim, representantes da indústria sob demanda negam ou ignoram o trabalho não remunerado e a ansiedade automatizada experimentada por trabalhadores tarefeiros contemporâneos tais como Janey, John, Ivri, Angeline e Adil. Executivos da área de tecnologia continuam a defender que o trabalho sob demanda é um modo digno de se ganhar dinheiro no tempo livre, permitindo que os trabalhadores cumpram com outras obrigações. Essa conceitualização obscurece as maneiras como o trabalho por tarefa suprime a renda e baixa os padrões de trabalho para todos. Como o trabalho por peça de vestuário do século passado, também propicia uma narrativa cultural enganosa que faz parecer ser possível ganhar dinheiro ao mesmo tempo em que se faz trabalho doméstico não remunerado.

Em resposta a essas condições, os trabalhadores sob demanda compartilham informações ― como no grupo de mensagens criado por motoristas de Uber, no qual se alertavam uns aos outros sobre falsas altas de demanda. Trabalhadores da MTurk discutem as maquinações da plataforma em grupos de Facebook, fóruns do Reddit e até sistemas ativistas como o Turkopticon. Em certas cidades, motoristas de Uber e Lyft, muitos dos quais imigrantes, mulheres e pessoas não brancas, têm formado e mantido coletivos de trabalhadores. A política nascente dessas organizações mira o modelo de trabalho por tarefa. Denunciando algoritmos de caixa-preta e assimetrias informacionais, que incutem ansiedade e incerteza nas vidas dos trabalhadores, muitos desses grupos têm exigido reconhecimento do vínculo empregatício e amparo por parte dos Estados, que poderiam garantir um salário mínimo e outras proteções.

Na Califórnia, as empresas de transporte particular quase fecharam as portas em agosto, depois que um tribunal determinou o reconhecimento dos motoristas como funcionários. Uma suspensão de sentença de última hora adiou a mudança até outubro, quando outros argumentos serão ouvidos na corte de apelação. Em Londres, a Suprema Corte do Reino Unido está considerando um caso similar, também trazido à tona por trabalhadores organizados. Em ação coordenada, os trabalhadores sob demanda estão construindo um poder coletivo para reconstruir a perspectiva de que seu tempo, trabalho e vidas têm valor ― e deverem ser tratados com respeito.

Veena Dubal é professora de direito na Faculdade de Direito de Hastings, da Universidade da Califórnia. A pesquisa de Dubal se concentra em tecnologia e trabalho, e ela está conduzindo um estudo etnográfico situado, plurianual, sobre a auto-organização de motoristas de Uber e Lyft da Califórnia. Trechos desse artigo são reproduzidos, com permissão, do original “The Time Politics of Home-Based Digital Piecework” (“A política temporal do trabalho tarefeiro digital a domicílio”, em tradução livre), publicado anteriormente no C4E Journal.

Nomes foram alterados para proteger a identidade dos trabalhadores.

Sobre a autora

Veena Dubal é professora de direito na Faculdade de Direito de Hastings, da Universidade da Califórnia. A pesquisa de Dubal concentra-se em Tecnologia e Trabalho, e ela está conduzindo um estudo etnográfico situado, plurianual, sobre a auto-organização de motoristas de Uber e Lyft da Califórnia. Partes deste ensaio são reproduzidas, com permissão, de “The Time Politics of Home-Based Digital Piecework” publicado anteriormente no C4E Journal.

Nenhum comentário:

Postar um comentário

Guia essencial para a Jacobin

A Jacobin tem divulgado conteúdo socialista em ritmo acelerado desde 2010. Eis aqui um guia prático para algumas das obras mais importantes ...