Os Perigos de Reduzir o Trabalho Humano a Habilidades de IA

Artigo | Sleepy.md

Infelizmente, nesta era, quanto mais dedicado e sem reservas você for no seu trabalho, mais rapidamente se tornará uma habilidade que pode ser substituída por IA.

Nestes dois dias, as listas de tendências e os canais de mídia foram invadidos por «colleague.skill». Enquanto esse evento continuava a se espalhar nas principais plataformas sociais, o foco público foi quase inevitavelmente absorvido por ansiedades maiores, como «demissões por IA», «exploração capitalista» e «vida digital eterna do trabalhador».

Esses realmente causam ansiedade, mas o que mais me deixa ansioso é uma sugestão de uso escrita no arquivo README do projeto:

A qualidade da matéria-prima determina a qualidade do skill: recomenda-se coletar优先收集他主动写的长文 > 决策类回复 > 日常消息。

As pessoas que trabalham mais seriamente são exatamente aquelas que o sistema consegue perfeitamente destilar e reproduzir pixel por pixel.

São aqueles que, após o encerramento de cada projeto, ainda se sentam para escrever documentos de análise; são aqueles que, diante de divergências, estão dispostos a gastar meia hora digitando longos textos na caixa de diálogo, analisando honestamente sua lógica de decisão; são aqueles extremamente responsáveis, que confiam meticulosamente todos os detalhes do trabalho ao sistema.

Sério, essa virtude profissional outrora mais valorizada, agora se tornou um catalisador que acelera a transformação dos trabalhadores em combustível para IA.

Precisamos repensar uma palavra: contexto.

No contexto cotidiano, o contexto é o cenário da comunicação. Mas na IA, especialmente no mundo dos IA Agents que estão crescendo desenfreadamente, o contexto é o combustível que impulsiona o motor, o sangue que mantém o batimento, o único ponto de ancoragem que permite ao modelo fazer julgamentos precisos no caos.

A IA desprovida de contexto, por mais impressionante que seja sua quantidade de parâmetros, não é mais do que um mecanismo de busca com amnésia. Ela não reconhece quem você é, não percebe as correntes ocultas por trás da lógica de negócios e não tem como saber as longas tensões e equilíbrios que você passou ao tomar uma decisão, nessa rede entrelaçada por restrições de recursos e negociações interpessoais.

E o motivo pelo qual "colleague.skill" gerou tamanha onda é porque ele lockou, de forma extremamente fria e precisa, a mina que armazena quantidades massivas de contexto de alta qualidade — o software de colaboração das empresas modernas.

Nos últimos cinco anos, o ambiente profissional na China passou por uma transformação digital silenciosa, porém profunda. Ferramentas como Feishu, DingTalk e Notion tornaram-se vastos repositórios de conhecimento corporativo.

Usando Feishu como exemplo, ByteDance já declarou publicamente que o número de documentos gerados diariamente internamente é imenso, e esses caracteres densamente agrupados fielmente selam cada momento de criatividade, cada discussão acalorada em reuniões e cada compromisso estratégico engolido com os dentes cerrados de mais de cem mil funcionários.

Essa penetração digital ultrapassa qualquer era anterior. Já foi um tempo em que o conhecimento tinha calor humano, permanecendo escondido na mente dos funcionários experientes, espalhado em conversas casuais na copa; agora, toda a sabedoria e experiência humana são forçadamente esgotadas de sua umidade e impiedosamente sedimentadas nas matrizes frias de servidores na nuvem.

Neste sistema, se você não escrever documentação, seu trabalho não será visível e novos colegas não poderão colaborar com você. O funcionamento eficiente das empresas modernas é construído sobre o ciclo contínuo em que cada funcionário contribui contexto para o sistema dia após dia.

Funcionários sérios, carregando dedicação e boa-fé, expõem sem reservas suas trajetórias de pensamento nesses plataformas frias. Eles fazem isso para que os engrenagens da equipe se encaixem mais suavemente, para tentar provar seu valor ao sistema e para buscar desesperadamente um lugar próprio dentro dessa complexa máquina comercial. Eles não estão entregando ativamente a si mesmos; estão apenas, de forma torpe e esforçada, se adaptando às regras de sobrevivência do ambiente profissional moderno.

Mas justamente esses contextos deixados para colaboração humana tornam-se o melhor combustível para a IA.

A interface de administração do Feishu possui uma funcionalidade que permite ao administrador principal exportar em lote documentos e registros de comunicação dos membros. Isso significa que o trabalho de três anos, as inúmeras noites em claro dedicadas à análise de projetos e à lógica de decisão, pode ser compactado em um arquivo sem qualquer calor em apenas alguns minutos, por meio de uma única interface API.

Com o sucesso do "colleague.skill", começaram a surgir, na seção de Issues do GitHub e nas principais redes sociais, alguns produtos derivados extremamente desconfortáveis.

Alguém criou o “skill.ex-parceiro”, tentando alimentar a IA com as conversas do WeChat dos últimos anos, para que ela continue discutindo ou se aproximando com aquele tom familiar; alguém criou o “skill.lua-branca”, reduzindo a emoção inalcançável a um jogo frio de simulação interpessoal, reiterando cuidadosamente técnicas de teste na busca pela solução emocional ideal; e alguém mais criou o “skill.chefe-paternalista”, mastigando antecipadamente no espaço digital as palavras opressivas de PUA, construindo para si uma triste barreira psicológica.

Os cenários de uso dessas habilidades já se afastaram completamente da esfera da eficiência no trabalho. Originalmente, sem nos darmos conta, já nos tornamos proficientes em aplicar a lógica impiedosa reservada às ferramentas para desmembrar e objetificar pessoas reais, vivas e plenas de humanidade.

O filósofo alemão Martin Buber propôs que as relações humanas se baseiam em dois modelos radicalmente diferentes: "Eu e Tu" e "Eu e Isso".

Na相遇 de "Eu e Você", superamos preconceitos e olhamos um para o outro como seres humanos completos e dignos. Essa ligação é aberta sem reservas, cheia de vida e imprevisibilidade, e justamente por sua sinceridade, é particularmente frágil; no entanto, ao cair na sombra de "Eu e Isso", seres humanos vivos são reduzidos a objetos que podem ser desmontados, analisados e rotulados. Sob esse olhar extremamente utilitário, o único que nos importa é: "O que este objeto me serve?"

A aparição de produtos como «.skill anterior» marca a invasão total da racionalidade instrumental de «eu e isso» no mais íntimo dos domínios emocionais.

Num relacionamento real, as pessoas são tridimensionais, cheias de rugas, em constante fluxo com contradições e arestas irregulares, e suas reações mudam continuamente conforme o contexto e a interação emocional. A reação do seu ex ao acordar de manhã pode ser totalmente diferente da reação após trabalhar até tarde na noite, diante da mesma frase.

Mas quando você destila uma pessoa até transformá-la em uma habilidade, o que você remove é apenas a parte residual dessa pessoa, naquela ligação específica, que era “útil” para você e podia “gerar eficácia”. E a pessoa original, quente, com suas próprias alegrias e tristezas, é completamente esvaziada de sua alma nessa purificação cruel, transformada-se em uma “interface funcional” que você pode conectar e desconectar à vontade.

É preciso reconhecer que a IA não inventou de forma arbitrária essa frieza perturbadora. Antes do surgimento da IA, já estávamos acostumados a rotular os outros e medir com precisão o "valor emocional" e o "peso de rede" de cada relacionamento. Por exemplo, no mercado de encontros, quantificamos as condições das pessoas em tabelas; no ambiente profissional, classificamos colegas como "produtivos" e "preguiçosos". A IA simplesmente tornou explícita essa extração funcional implícita entre seres humanos.

A pessoa foi esmagada, restando apenas a superfície “o que me traz utilidade”.

Em 1958, o filósofo húngaro-britânico Michael Polanyi publicou "Personal Knowledge". Neste livro, ele introduziu um conceito profundamente perspicaz: o conhecimento tácito.

Polanyi tem uma famosa afirmação: "Sabemos mais do que podemos dizer."

Ele deu o exemplo de aprender a andar de bicicleta. Um ciclista experiente, deslizando ao vento, consegue manter o equilíbrio perfeitamente em cada inclinação causada pela gravidade, mas não consegue descrever com precisão, por meio de fórmulas físicas secas ou palavras fracas, a sutil intuição corporal daquele momento. Ele sabe como andar de bicicleta, mas não consegue explicar. Esse tipo de conhecimento que não pode ser codificado nem verbalizado é o conhecimento tácito.

O ambiente profissional está repleto desse tipo de conhecimento tácito. Um engenheiro sênior, ao investigar uma falha no sistema, pode identificar o problema com apenas uma olhada nos logs, mas dificilmente consegue documentar essa “intuição” construída sobre milhares de tentativas e erros; um vendedor excelente, ao entrar em silêncio repentinamente durante uma negociação, cria uma pressão e um senso de timing que nenhum manual de vendas consegue registrar; um profissional de RH experiente, durante uma entrevista, consegue detectar inconsistências no currículo apenas por meio de meio segundo em que o candidato evita o contato visual.

O 「colleague.skill」 pode extrair apenas o conhecimento explícito que já foi escrito ou dito. Ele pode capturar seus documentos de revisão, mas não consegue capturar suas dúvidas ao escrevê-los; ele pode copiar suas respostas de decisão, mas não consegue copiar sua intuição ao tomar essas decisões.

O que o sistema destila é sempre apenas a sombra de uma pessoa.

Se a história terminasse aqui, seria apenas mais uma tentativa inadequada da tecnologia de imitar a humanidade.

Mas quando uma pessoa é reduzida a uma habilidade, essa habilidade não permanece estática. Ela é usada para responder e-mails, escrever novos documentos e tomar novas decisões. Ou seja, essas sombras geradas por IA começam a criar novos contextos.

E esses contextos gerados por IA serão armazenados no Feishu e no DingTalk, tornando-se material de treinamento para a próxima rodada de destilação.

Em 2023, equipes de pesquisa da Universidade de Oxford e da Universidade de Cambridge publicaram conjuntamente um artigo sobre "colapso de modelo". O estudo demonstrou que, quando modelos de IA são treinados iterativamente com dados gerados por outras IA, a distribuição dos dados torna-se cada vez mais estreita. Aqueles traços humanos raros, marginais, mas extremamente autênticos são rapidamente eliminados. Apenas após algumas gerações de dados sintéticos, os modelos esquecem completamente os dados humanos reais, longos e complexos, passando a gerar conteúdo extremamente medíocre e homogêneo.

A revista Nature também publicou em 2024 um artigo de pesquisa indicando que treinar modelos de aprendizado de máquina das próximas gerações com conjuntos de dados gerados por IA poluirá gravemente suas saídas.

É como aquelas imagens de memes que circulam na internet, originalmente um screenshot em alta definição, passado e repassado por inúmeras pessoas, sempre comprimido e reenviado. A cada transmissão, perde-se um pouco de pixel e adicionam-se mais ruídos. No final, a imagem fica embaçada, coberta por uma camada eletrônica de patina.

Quando o contexto humano real, com conhecimento implícito, é espremido até a última gota, e o sistema só pode se treinar com sombras envelhecidas, o que restará por fim?

O que resta é apenas o óbvio.

Quando o rio do conhecimento se seca em uma interminável regurgitação e mastigação de IA por IA, tudo o que o sistema expulsa e inspira torna-se extremamente padrão, extremamente seguro, mas também irremediavelmente vazio. Você verá inúmeras relatórios semanais perfeitamente estruturados, inúmeras mensagens de e-mail impecáveis, mas nenhuma delas contém qualquer sopro de vida humana, nenhuma insignt verdadeiramente valiosa.

Essa grande derrota do conhecimento não ocorreu porque os cérebros humanos ficaram mais lentos; a verdadeira tristeza está em que externalizamos o direito de pensar e a responsabilidade de manter o contexto para nossa própria sombra.

Poucos dias após o sucesso do "colleague.skill", um projeto chamado "anti-distill" surgiu silenciosamente no GitHub.

O autor deste projeto não tentou atacar grandes modelos nem escreveu nenhuma declaração grandiosa. Ele simplesmente forneceu uma pequena ferramenta que ajuda os trabalhadores a gerar automaticamente, no Feishu ou DingTalk, textos longos que parecem razoáveis, mas estão cheios de ruído lógico.

Seu objetivo é simples: esconder seu conhecimento essencial antes de ser filtrado pelo sistema. Como o sistema gosta de capturar "artigos longos escritos ativamente", alimente-o com uma montanha de lixo sem sentido.

Este projeto não se tornou tão popular como "colleague.skill"; na verdade, parece até pequeno e fraco. Usar magia para derrotar a magia ainda é, essencialmente, girar dentro das regras estabelecidas pelo capital e pela tecnologia. Ele não consegue mudar a tendência crescente do sistema de depender cada vez mais da IA e de ignorar cada vez mais os seres humanos reais.

Mas isso não impede que este projeto se torre a cena mais trágica e poética, com profunda metáfora, de toda a peça absurda.

Nós nos esforçamos extremamente para deixar marcas no sistema, escrever documentação detalhada e tomar decisões cuidadosas, tentando provar, dentro dessa imensa máquina corporativa moderna, que já existimos e que fomos valiosos. Mas não sabemos que essas marcas extremamente sérias acabarão se tornando a borracha que nos apagará.

Mas, pensando de outro ângulo, isso também não é necessariamente um impasse total.

Porque o que aquele apagador apaga é sempre o «você do passado». Uma habilidade empacotada como um arquivo, não importa quão sofisticada seja sua lógica de captura, é, em essência, apenas uma foto estática. Ela fica travada no segundo da exportação, dependendo apenas de nutrientes obsoletos e girando infinitamente dentro de processos e lógicas pré-definidos. Ela não possui o instinto de enfrentar o caos desconhecido, nem a capacidade de se autoevoluir por meio de fracassos no mundo real.

Quando entregamos as experiências altamente padronizadas e consolidadas, acabamos por liberar nossas mãos. Enquanto continuarmos a explorar além dos limites e a desafiar e reconstruir constantemente nossos próprios limites cognitivos, aquela sombra suspensa nas nuvens nunca poderá fazer mais do que seguir nossas costas.

As pessoas são algoritmos móveis.

Clique para saber mais sobre as vagas em aberto na BlockBeats

Bem-vindo ao grupo oficial da BlockBeats:

Grupo de assinatura no Telegram: https://t.me/theblockbeats

Grupo de Telegram: https://t.me/BlockBeats_App

Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia