Por que os trabalhadores diligentes são os mais vulneráveis à substituição por IA

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 amplas, como «demissões por IA», «exploração capitalista» e «imortalidade digital 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 mais trabalham 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 que já foi a virtude mais valorizada no ambiente profissional, 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 AI Agents que estão crescendo desenfreadamente, o contexto é o combustível que impulsiona o motor, o sangue que mantém o batimento e o único ponto de ancoragem que permite ao modelo fazer julgamentos precisos no caos.

A IA desvinculada do 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, dentro dessa rede entrelaçada de restrições de recursos e jogos interpessoais.

E o motivo pelo qual "colleague.skill" gerou tal onda de impacto é porque ele锁定 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.

Tomando o Feishu como exemplo, a ByteDance já declarou publicamente que o número de documentos gerados internamente todos os dias é imenso, e esses caracteres densos guardam fielmente cada momento de criatividade, cada disputa 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. Em tempos passados, o conhecimento tinha calor humano; estava adormecido na mente dos funcionários experientes, disperso em conversas casuais na cozinha; agora, toda a sabedoria e experiência humana são secas forçosamente e depositadas sem piedade 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 baseado no ciclo contínuo em que cada funcionário contribui com contexto ao sistema dia após dia.

Funcionários sérios, carregando dedicação e boa-fé, expõem sem reservas seus processos de pensamento nessas plataformas frias. Eles fazem isso para que os engrenagens da equipe se encaixem mais suavemente, para esforçar-se em 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 são exatamente esses contextos deixados para colaboração humana que se tornam 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, após três anos de trabalho árduo, inúmeras noites em claro escrevendo análises de projetos e lógicas de decisão, basta uma única API para, em poucos minutos, transformar os fragmentos da sua vida desses anos em um arquivo compactado sem qualquer calor humano.

Com o sucesso do "colleague.skill", surgiram, na seção de Issues do GitHub e nas principais redes sociais, alguns derivativos extremamente desconfortáveis.

Alguém criou o “.skill do ex”, tentando alimentar a IA com as conversas do WeChat dos últimos anos, para que ela continuasse discutindo ou se aproximando com aquele tom familiar; alguém criou o “.skill da luz branca”, reduzindo o agitado sentimento inalcançável a um jogo frio de simulação interpessoal, reiterando cuidadosamente frases de teste na busca por uma solução emocional ideal; e alguém mais criou o “.skill do chefe paternalista”, mastigando antecipadamente no espaço digital as palavras opressivas de PUA, construindo para si mesmo uma triste defesa psicológica.

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

O filósofo alemão Martin Buber propôs que a base das relações humanas consiste em dois modelos radicalmente diferentes: "Eu e Tu" e "Eu e Isso".

No encontro entre "eu e você", superamos preconceitos e olhamos um para o outro como seres humanos completos e dotados de dignidade. Esse vínculo é aberto sem reservas, repleto de vida e imprevisibilidade, e justamente por sua sinceridade, torna-se especialmente frágil; contudo, assim que caímos 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 "Anterior.skill" 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, que, nesse vínculo específico, era “útil” para você e capaz de “gerar eficácia”. A pessoa original, quente e cheia de suas próprias alegrias e tristezas, é completamente esvaziada de sua alma nesse processo cruel de purificação, transformando-se em uma “interface funcional” que você pode conectar ou desconectar à vontade.

Deve-se 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 apenas tornou explícita essa extração funcional implícita entre as pessoas.

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

Em 1958, o filósofo húngaro-britânico Michael Polanyi publicou "Conhecimento Pessoal". Neste livro, ele introduziu o conceito extremamente perspicaz de 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 perfeito em cada inclinação gravitacional, mas não consegue descrever com precisão, por meio de fórmulas físicas secas ou palavras fracas, a sutil intuição corporal naquele 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 é difícil documentar essa “intuição” construída através de 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 perceber inconsistências no currículo apenas com meio segundo de evitação de contato visual do candidato.

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 as dúvidas que você teve ao escrevê-los; ele pode copiar suas respostas de decisão, mas não consegue copiar a intuição que você teve 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 distilação.

Em 2023, uma equipe de pesquisa da Universidade de Oxford e da Universidade de Cambridge publicou conjuntamente um artigo sobre "colapso do 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, transmitido inúmeras vezes, comprimido e retransmitido. A cada transmissão, perde-se parte dos pixels e adicionam-se mais ruídos. No final, a imagem fica borrada e coberta por uma camada eletrônica de patina.

Quando o contexto humano real, com conhecimento implícito, for esgotado e o sistema só puder se treinar com sombras envelhecidas, o que restará?

O que resta são apenas palavras corretas e vazias.

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 e-mails impecáveis, mas nenhum deles contém qualquer sopro de vida humana, nenhuma verdadeira e valiosa insignt.

Essa grande derrota do conhecimento não ocorreu porque o cérebro humano ficou mais burro; a verdadeira tristeza está em que externalizamos o direito de pensar e a responsabilidade de manter o contexto para nossa própria sombra.

Nos dias seguintes ao sucesso do "colleague.skill", um projeto chamado "anti-distill" surgiu silenciosamente no GitHub.

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

Seu objetivo era simples: esconder seu conhecimento essencial antes de ser filtrado pelo sistema. Como o sistema gosta de capturar "artigos longos escritos ativamente", ele alimentou o sistema com uma grande quantidade de lixo sem sentido.

Este projeto não se tornou tão popular quanto "colleague.skill"; na verdade, parece um pouco 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 grande tendência do sistema se tornar cada vez mais dependente de IA e cada vez menos atento aos 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 necessariamente é um impasse total.

Porque o que aquela borracha apaga é sempre apenas 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.