Jason Resnikoff
Embora tecnologias como o ChatGPT possam parecer prontas para substituir trabalhadores de colarinho branco, os empregadores estão mais propensos a usar o aprendizado de máquina para dividir e desqualificar empregos. (Olivier Morin / AFP via Getty Images) |
As mudanças materiais introduzidas sob a égide da inteligência artificial (IA) não estão levando à abolição do trabalho humano, mas sim à sua degradação. Isso é típico da história da mecanização desde o início da revolução industrial. Em vez de aliviar as pessoas do trabalho, os empregadores implantaram tecnologia — até mesmo a mera ideia de tecnologia — para transformar empregos relativamente bons em empregos ruins, dividindo o trabalho artesanal em trabalho semiqualificado e obscurecendo o trabalho de seres humanos por trás de um aparato tecnológico para que possa ser obtido mais barato.
Os empregadores invocam o termo IA para contar uma história na qual progresso tecnológico, destruição de sindicatos e degradação do trabalho são sinônimos. No entanto, essa degradação não é uma qualidade da tecnologia em si, mas sim da relação entre capital e trabalho. A discussão atual em torno da IA e do futuro do trabalho é o mais recente desenvolvimento em uma longa história de empregadores que buscam minar o poder dos trabalhadores alegando que o trabalho humano está perdendo seu valor e que o progresso tecnológico, em vez de agentes humanos, é o responsável.
IA não é uma tecnologia específica
Quando empreendedores de tecnologia falam de IA fazendo isso ou aquilo — como quando Elon Musk prometeu ao ex-primeiro-ministro britânico Rishi Sunak uma era de abundância em que ninguém precisará trabalhar porque "a IA será capaz de fazer tudo" — eles estão usando o termo IA de uma forma que oculta mais do que esclarece. Pesquisadores acadêmicos no campo da IA, por exemplo, geralmente não usam o termo IA para descrever uma tecnologia específica. É, simplesmente, a prática de fazer "computadores fazerem o tipo de coisas que as mentes fazem", conforme definido por Margaret A. Boden, uma autoridade no campo. Em outras palavras, a IA é menos uma tecnologia e mais um desejo de construir uma máquina que aja como se fosse inteligente. Não há uma única tecnologia que diferencie a IA da ciência da computação.
Grande parte da discussão atual em torno da IA se concentra na aplicação do que é conhecido como redes neurais artificiais ao aprendizado de máquina. O aprendizado de máquina se refere ao uso de algoritmos para encontrar padrões em grandes conjuntos de dados para fazer previsões estatísticas. Chatbots como o ChatGPT são um bom exemplo. (Um chatbot é um programa de computador que imita uma conversa humana para que as pessoas possam interagir com um dispositivo digital como se estivessem se comunicando com um ser humano.) Os chatbots funcionam usando uma quantidade imensa de poder computacional e grandes quantidades de dados para avaliar a probabilidade estatística de que uma palavra apareça ao lado de outra palavra.
O aprendizado de máquina geralmente depende de designers para ajudar o sistema a interpretar dados. É aqui que as redes neurais artificiais entram em cena. (Aprendizado de máquina e redes neurais artificiais são apenas duas ferramentas sob o guarda-chuva geral da IA.) Redes neurais artificiais são programas de software vinculados (cada programa individual é chamado de nó) que são capazes de computar uma coisa. No caso de algo como ChatGPT (que pertence à categoria de grandes modelos de linguagem), cada nó é um programa que executa um modelo matemático (chamado de modelo de regressão linear) que é alimentado com dados, prevê uma probabilidade estatística e, em seguida, emite uma saída. Esses nós são vinculados e cada link tem um peso variável, ou seja, uma classificação numérica que indica o quão importante é, para que cada nó influencie a saída final em um grau diferente. Basicamente, as redes neurais são uma maneira complexa de absorver muitos fatores simultaneamente ao fazer uma previsão para produzir uma saída, como uma sequência de palavras como a resposta apropriada a uma pergunta inserida em um chatbot.
Essa imitação está muito longe da consciência humana, mas os pesquisadores não entendem a mente bem o suficiente para realmente codificar as regras da linguagem em uma máquina. Em vez disso, eles escolheram o que Kate Crawford, pesquisadora da Microsoft Research, chama de "abordagens probabilísticas ou de força bruta". Nenhum ser humano pensa dessa forma. As crianças, por exemplo, não aprendem a linguagem lendo toda a Wikipédia e contando quantas vezes uma palavra ou frase aparece ao lado de outra. Além disso, esses sistemas são particularmente intensivos em energia e caros. O custo do treinamento do ChatGPT-4 chegou a cerca de US$ 78 milhões; para o Gemini Ultra, a resposta do Google ao ChatGPT, o preço foi de US$ 191 milhões. Os seres humanos, deve-se notar, adquirem e usam a linguagem de forma muito mais barata.
No aprendizado de máquina padrão, os seres humanos rotulam diferentes entradas para ensinar a máquina a organizar dados e pesar sua importância na determinação da saída final. Por exemplo, muitas pessoas (muito mal pagas) "pré-treinam" ou ensinam aos programas de computador como as coisas se parecem, rotulando imagens para que um programa possa diferenciar entre, digamos, um vaso e uma caneca. (Em um sistema que faz "aprendizado profundo", os seres humanos desempenham um papel de programação muito menor. Com o aprendizado profundo, as redes neurais artificiais em uso têm mais camadas do que no aprendizado de máquina clássico, e os seres humanos fazem muito menos rotulagem dos elementos em um conjunto de dados. Em outras palavras, ele pode ser alimentado com dados muito mais brutos e não processados e ainda organizá-los.) Ao longo do século passado, os sindicatos têm lutado para conter o uso do poder ideológico do utopismo tecnológico pelos empregadores.
O GPT no ChatGPT, é importante notar, significa transformador pré-treinado generativo, um transformador sendo um tipo de rede neural. No caso do ChatGPT, o programa foi pré-treinado por seres humanos para ensinar e corrigir o programa à medida que era alimentado com quantidades astronômicas de dados, principalmente texto escrito. Na verdade, de acordo com o Guardian, trabalhadores contratados no Quênia empregados pela OpenAI para treinar o ChatGPT ganhavam entre US$ 1,46 e US$ 3,74 por hora para rotular textos e imagens com “violência, automutilação, assassinato, estupro, necrofilia, abuso infantil, bestialidade e incesto”. Vários trabalhadores alegaram que essas condições de trabalho eram exploratórias e solicitaram que o governo queniano iniciasse uma investigação sobre a OpenAI.
Assim, a IA, como Boden elabora, “oferece uma profusão de máquinas virtuais, fazendo muitos tipos diferentes de processamento de informações. Não há segredo-chave aqui, nenhuma técnica central unificando o campo: os praticantes de IA trabalham em áreas altamente diversas, compartilhando pouco em termos de objetivos e métodos”. O uso contemporâneo do termo IA, no entanto, tende a discussões de caixa-preta sobre mudanças materiais, mistificando a tecnologia em questão e também homogeneizando muitas tecnologias distintas em um único mecanismo revolucionário — um deus ex machina que é monolítico e obscuro. Esse efeito não é acidental. Ele atende aos interesses do capital e tem uma história.
IA e degradação do trabalho
A IA, em outras palavras, não é uma tecnologia revolucionária, mas sim uma história sobre tecnologia. Ao longo do século passado, os sindicatos têm lutado para conter o uso do poder ideológico do utopismo tecnológico pelos empregadores, ou a ideia de que a própria tecnologia produzirá uma sociedade ideal e sem atrito. (Apenas um exemplo revelador disso é o nome que a General Motors deu ao seu pavilhão na Feira Mundial de 1939: Futurama.) A IA é mais um capítulo nesta história de utopia tecnológica para degradar o trabalho, obscurecendo-o retoricamente. Se os sindicatos entenderem as mudanças nos meios de produção fora dos termos do progresso tecnológico, será mais fácil para os sindicatos negociar os termos aqui e agora, em vez de debater qual efeito eles podem ter em um futuro vago e muito especulativo.
Os usos que os empregadores fizeram do aprendizado de máquina e das redes neurais artificiais estão em conformidade com a longa história da mecanização do trabalho. A tese de degradação do trabalho do economista político marxista Harry Braverman, na qual o desenvolvimento capitalista industrial tende à dissolução do trabalho artesanal, à difusão mais ampla da divisão detalhada do trabalho e à aplicação de regimes fabris a cada vez mais tipos de trabalho, ainda se mantém. No mínimo, o uso gerencial de tecnologias digitais apenas acelerou essa tendência. Moritz Altenried, um estudioso de economia política, recentemente se referiu a isso como a ascensão da "fábrica digital", combinando os elementos mais superdeterminados, até mesmo carcerários, do trabalho tradicional de fábrica com contratos de trabalho flexíveis e precariedade do trabalhador.
Os empregadores têm implantado o uso de algoritmos para exercer imenso controle sobre o processo de trabalho, usando plataformas digitais para dividir empregos e vigiar a rapidez com que os trabalhadores concluem essas tarefas, como com o uso de algoritmos pela Amazon para empurrar os trabalhadores do depósito, ou aplicativos de transporte de passageiros acelerando os motoristas. As plataformas digitais permitiram que os empregadores estendessem a lógica da fábrica praticamente em qualquer lugar. Aqui, podemos ver o aspecto mais "revolucionário" das mudanças tecnológicas chamadas de IA: a difusão em massa da vigilância do trabalhador. Embora as plataformas digitais não sejam particularmente boas trabalhadoras, elas são chefes muito eficazes, rastreando, quantificando e obrigando os trabalhadores a trabalhar de acordo com os projetos de seus empregadores.
Argumentar que o aprendizado de máquina não é categoricamente diferente de formas anteriores de mecanização não quer dizer que tudo ficará bem para os trabalhadores. O aprendizado de máquina continuará a ajudar os empregadores em seu projeto de degradar o trabalho. E, como as formas anteriores de mecanização — incluindo a mecanização por computador do trabalho de escritório de colarinho branco desde a década de 1950 — os empregadores estão de olho em transformar empregos qualificados de colarinho branco em empregos mais baratos e semiqualificados. Na segunda metade do século XX, os fabricantes de computadores e os empregadores introduziram o computador digital eletrônico com o objetivo de reduzir os custos da folha de pagamento de escritório. Eles substituíram a secretária ou escriturária qualificada por um grande número de mulheres mal pagas operando máquinas de perfuração de chaves que produziam cartões perfurados para serem inseridos em grandes computadores de processamento em lote.
O resultado foi mais, não menos, trabalhadores de escritório, mas os novos empregos eram piores do que os que existiam antes. Os empregos eram mais monótonos e o trabalho foi acelerado. No último quarto do século XX, os empregadores persuadiram com sucesso os gerentes de nível médio a fazerem trabalho administrativo para si mesmos (o que um consultor chamou de "aburguesamento" do trabalho administrativo) dando-lhes computadores de mesa para fazerem sua própria digitação, arquivamento e correspondência — trabalho que a empresa antes pagava trabalhadores administrativos para fazer. Esse estilo de degradação do trabalho continua típico no trabalho de colarinho branco hoje. Os empregadores geralmente implantam "IA" não apenas para dividir empregos, mas também para obscurecer a presença de trabalhadores humanos mal pagos, muitos deles baseados no Sul Global.
Embora tecnologias como ChatGPT possam parecer prontas para substituir ostensivamente trabalhadores de colarinho branco, como roteiristas, os empregadores são muito mais propensos a usar o aprendizado de máquina para dividir e desqualificar empregos da mesma forma que implantaram formas mais antigas de mecanização. No ano passado, o Google lançou um chatbot de aprendizado de máquina chamado Genesis para o New York Times, o Washington Post e a NewsCorp. Um porta-voz do Google reconheceu que o programa não poderia substituir jornalistas ou escrever artigos por conta própria. Em vez disso, ele comporia manchetes e, de acordo com o New York Times, forneceria "opções" para "outros estilos de escrita". Este é precisamente o tipo de ferramenta que, comercializada como uma conveniência, também seria útil para um empregador que desejasse desqualificar um trabalho.
Assim como as formas mais antigas de mecanização, os modelos de linguagem grande aumentam a produtividade do trabalhador, o que significa que uma maior produção não depende apenas da tecnologia. A Microsoft recentemente agregou uma seleção de estudos e descobriu que o Microsoft Copilot e o Copilot do GitHub — modelos de linguagem grande semelhantes ao ChatGPT — aumentaram a produtividade do trabalhador entre 26 e 73 por cento. A Harvard Business School concluiu que "consultores" usando GPT-4 aumentaram sua produtividade em 12,2 por cento, enquanto o National Bureau of Economic Research descobriu que os trabalhadores de call center usando "IA" processaram 14,2 por cento mais chamadas do que seus colegas que não o fizeram. No entanto, as máquinas não estão simplesmente pegando o trabalho que antes era executado por pessoas. Em vez disso, esses sistemas obrigam os trabalhadores a trabalhar mais rápido ou a desqualificar o trabalho para que ele possa ser executado por pessoas que não estão incluídas no quadro do estudo.
Por exemplo, em sua recente greve, membros do Writers Guild of America (WGA) exigiram que estúdios de cinema e televisão fossem proibidos de impor "IA" a escritores. Chatbots não são capazes de substituir fisicamente escritores. Em vez disso, parece mais provável que os estúdios implementassem sistemas de aprendizado de máquina para dividir seus trabalhos em uma série de tarefas discretas e, por meio da divisão do trabalho, transformar o trabalho de "escritor" em posições menores e mais baratas, nas quais os escritores agora eram engenheiros rápidos alimentando cenários na máquina ou finalizadores, polindo roteiros feitos por máquinas em um produto final. As recentes vitórias contratuais do WGA em relação à IA são limitadas à proteção de créditos e salários, embora eles tenham inicialmente se proposto a rejeitar completamente o uso de grandes modelos de linguagem. Essa posição de barganha era, na verdade, um tanto única; desde meados do século XX, os sindicatos geralmente não conseguiam — devido à fraqueza ou a antolhos ideológicos — tratar a tecnologia como algo aberto à negociação.
Exemplos também são abundantes de empregadores que implantam “IA” não apenas para dividir empregos, mas também para obscurecer a presença de trabalhadores humanos mal pagos, muitos deles baseados no Sul Global. Nas palavras da socióloga Janet Vertesi, “IA é apenas a palavra da moda de hoje para ‘terceirização’”. Veja, por exemplo, o sistema “Just Walk Out” da Amazon em suas lojas físicas, onde os clientes faziam compras e saíam sem ter que ir ao caixa porque o pagamento era processado digitalmente. A Amazon admitiu que a “IA generativa” que ela usava para contabilizar os recibos dos clientes consistia, na verdade, em trabalhadores na Índia assistindo a filmagens de vigilância e redigindo manualmente contas detalhadas.
Em um caso semelhante, várias grandes redes de supermercados francesas se gabaram de estar usando “IA” para detectar ladrões de lojas quando a vigilância estava sendo conduzida por trabalhadores em Madagascar assistindo a filmagens de segurança e ganhando entre noventa e cem euros por mês. O mesmo novamente com a chamada tecnologia "Voz em Ação" (cujo fabricante alega ser um sistema "orientado por IA") que recebia pedidos de clientes em restaurantes de fast food dos EUA; mais de 70% dos pedidos eram de fato processados por trabalhadores nas Filipinas. A antropóloga Mary Gray e o pesquisador sênior principal da Microsoft Siddharth Suri utilmente apelidaram essa prática de esconder trabalho humano atrás de uma fachada digital de "trabalho fantasma".
IA e ideologia — Discurso de automação Redux
Mas, como mencionado anteriormente, seria um erro pensar em IA principalmente em termos tecnológicos — seja como aprendizado de máquina ou mesmo como plataformas digitais. Isso nos leva ao discurso de automação, do qual o recente hype de IA é a iteração mais recente. Ideias de progresso tecnológico certamente são anteriores ao período pós-guerra, mas foi somente nos anos após a Segunda Guerra Mundial que essas ideias se solidificaram em uma ideologia que geralmente funcionou para desapoderar os trabalhadores.
A versão original dessa ideologia foi o discurso de automação que surgiu nos Estados Unidos nos anos seguintes à Segunda Guerra Mundial, que sustentava que toda mudança tecnológica se inclinava para a abolição inevitável do trabalho humano, em particular, do trabalho industrial de colarinho azul. Foi o produto imediato de dois fenômenos interligados. Primeiro, a nova força institucional do trabalho organizado que surgiu da década de 1930 militante, que representava uma ameaça ao capital; segundo, o notável entusiasmo tecnológico da era pós-guerra. Desde a década de 1930, a América corporativa buscava retratar a si mesma e seus produtos como produtores do tipo de futuro utópico que os radicais de esquerda há muito associavam à revolução política. (Por exemplo, a corporação DuPont prometeu mudanças "revolucionárias" e "coisas melhores para uma vida melhor... por meio da química", em vez de, digamos, a redistribuição de propriedade.) Desde a década de 1930, a América corporativa buscava retratar a si mesma como produtora do tipo de futuro utópico que os radicais de esquerda há muito associavam à revolução política.
A vitória na Segunda Guerra Mundial, os avanços tecnológicos financiados pelo governo e o boom econômico resultante pareciam ratificar esse argumento. Nas palavras da Business Week em 1955, havia “uma sensação de que algo novo e revolucionário estava nascendo nos laboratórios e nas fábricas”. Portanto, parecia razoável para atores de todo o espectro político — de líderes da indústria a dirigentes sindicais, membros do movimento estudantil e até mesmo algumas feministas radicais — pensar que talvez a tecnologia americana pudesse superar as marcas mais dolorosas da produção capitalista industrial: luta de classes e alienação no local de trabalho.
Jogando nesse sentido geral, um vice-presidente de produção da Ford Motor Company cunhou a palavra “automação” para descrever a política da empresa de lutar contra sindicatos e degradar as condições de trabalho enquanto ela se reestruturava como um produto do desenvolvimento apolítico e inevitável da própria sociedade industrial. Ford, e logo praticamente todos, descreveu a “automação” como uma tecnologia revolucionária que mudaria fundamentalmente (e inexoravelmente) o local de trabalho industrial. A definição de automação era notoriamente vaga, mas ainda assim muitos americanos acreditavam genuinamente que ela, inteiramente por conta própria, inauguraria a abundância, ao mesmo tempo em que acabaria com o proletariado e, nas palavras do sociólogo e celebrado intelectual público Daniel Bell, o substituiria por um “assalariado” de colarinho branco altamente qualificado.
Em todos os setores, no entanto, o que gerentes e trabalhadores chamavam de automação frequentemente resultava em trabalho degradado e acelerado, assim como na substituição do trabalho humano pela ação da máquina. E, no entanto, na maior parte, o trabalho se viu tanto retoricamente quanto, até certo ponto, intelectualmente, intimidado pelo discurso da automação. Em uma reunião de 1957 de altos funcionários representando dez dos maiores sindicatos dos Estados Unidos na época, Sylvia Gottlieb, diretora de educação e pesquisa da Communications Workers of America (CWA), resumiu o problema: eles não tinham certeza se a automação era ou não a revolução tecnológica que o capital dizia que era, e precisavam tomar cuidado para que "o movimento trabalhista não fosse identificado como 'chorões' sobre esse assunto", ou seja, profetas da desgraça opostos ao progresso tecnológico, ou pior ainda, luditas. Gottlieb concluiu que fazia sentido "apontar não apenas os problemas e dificuldades da automação, mas reconhecer os tremendos benefícios que ela proporciona".
Parte do poder do discurso da automação era que ele falava de um tecnoprogressismo que, até hoje, apela a certas tendências da esquerda, como os chamados aceleracionistas marxistas que acreditavam que o próprio desenvolvimento da industrialização produziria as condições para uma revolução proletária. No mínimo, nos anos imediatamente posteriores à Segunda Guerra Mundial, a ideia de progresso tecnológico autônomo ofereceu à administração de Walter Reuther e à United Auto Workers (UAW) cobertura para o recuo do Tratado de Detroit na questão dos "padrões de produção", ou seja, uma palavra a dizer sobre quais máquinas existiriam no chão de fábrica e como os trabalhadores as usariam. Os dirigentes sindicais não sabiam o que a "automação" traria e falharam amplamente em desembaraçar histórias teleológicas de progresso tecnológico das tentativas da gerência de controlar o processo de trabalho.
O International Longshore and Warehouse Union (ILWU) sob Harry Bridges era único entre os sindicatos do pós-guerra, pois conseguiu operar dentro dos limites do otimismo tecnológico do pós-guerra e ainda obter algo para seus membros, permitindo que os transportadores de contêineres comprassem o sindicato dos empregos de estivadores em troca de generosos benefícios de aposentadoria. Ainda assim, essa aquisição ocorreu ao preço de uma geração de estivadores (os chamados B-men) que não eram elegíveis para esses benefícios, mas cujo trabalho continuava particularmente suado. Ainda assim, o ILWU foi a exceção. Trabalhadores e organizadores deveriam se preocupar porque a ideia da IA permite que os empregadores busquem alguns dos métodos mais antigos de degradação do trabalho industrial.
Mais típico foi o destino da United Packinghouse Workers of America (UPWA), que a princípio permitiu que a empresa "automatizasse" (ou seja, trouxesse ferramentas elétricas) em troca de benefícios de aposentadoria um pouco melhores e do direito de transferir empregos. Trabalhadores demitidos como resultado da aceleração do trabalho foram aconselhados a participar de programas de treinamento profissional que o presidente da UPWA condenaria mais tarde. "O que você estava fazendo", ele disse, "era treinar pessoas para que pudessem ficar desempregadas em um nível mais alto de habilidade, porque não conseguiam empregos". À medida que a indústria se reformava na segunda metade do século XX, o sindicato se desintegrou. Hoje, a indústria de empacotamento de carne continua sendo uma indústria intensiva em mão de obra, embora agora grande parte dela não seja sindicalizada.
Na prática, "IA" se tornou sinônimo de automação, junto com um conjunto semelhante, se não idêntico, de alegações injustificadas sobre o progresso tecnológico e o futuro do trabalho. Trabalhadores ao longo da maior parte do século passado, como a maioria dos membros do público em geral, tiveram muita dificuldade em falar sobre mudanças nos meios de produção fora dos termos do progresso tecnológico, e isso tem sido extremamente vantajoso para os empregadores. A noção de tecnologia como, em última análise, um benefício para todos e inevitável, até mesmo como a própria civilização, tornou difícil criticar. Se a história serve de guia, os trabalhadores precisam rejeitar as alegações teleológicas que o capital faz sobre a tecnologia; eles próprios devem ver a mudança tecnológica, não como o desdobramento orgânico da civilização, mas apenas como outro aspecto do local de trabalho que deve, em princípio, estar sujeito à governança democrática.
A IA não é uma tecnologia específica. Muitas vezes, é uma história sobre tecnologia, que serve para desempoderar os trabalhadores. Os trabalhadores têm motivos para temer a IA, mas não porque ela seja revolucionária em si mesma. Em vez disso, trabalhadores e organizadores devem se preocupar porque a ideia da IA permite que os empregadores busquem alguns dos métodos mais antigos de degradação do trabalho industrial. No passado, os sindicatos sofreram quando tomaram as alegações tecnológicas de seus empregadores como fatos. Para o trabalho, pode valer a pena, literalmente, recusar-se a se impressionar com o utopismo tecnológico.
Cabe ao trabalho divorciar mudanças materiais específicas no processo de trabalho de grandes narrativas de progresso tecnológico. Os trabalhadores devem ter voz ativa sobre que tipos de máquinas usam no trabalho; eles devem ter algum controle. O primeiro passo nessa direção requer que eles sejam capazes, no mínimo, de dizer "não" às mudanças materiais que os empregadores buscam fazer em seus locais de trabalho, e dizer isso sem pensar em si mesmos como impedimentos ao progresso.
Republicado do New Labor Forum.
Colaborador
Jason Resnikoff é o autor de Labor's End: How the Promise of Automation Degraded Work. Anteriormente um organizador da UAW, ele agora é professor assistente de história contemporânea na Rijksuniversiteit Groningen, na Holanda.