A mão de obra invisível por trás da IA generativa: anotadores no Quênia, Colômbia e outros países passam o dia etiquetando imagens chocantes para treinar modelos — muitas vezes sem apoio psicológico 🤖🧵

Imagem indisponível

O que é anotação de dados? É o processo humano de rotular imagens, textos e áudios para ensinar algoritmos a reconhecer padrões. Sem esse trabalho, modelos generativos não aprendem a diferenciar conteúdo sensível, crime ou desinformação.

Por que isso acontece no Global South? Empresas contratam fornecedores terceirizados onde mão de obra é mais barata e regulação é fraca. Resultado: escala rápida para treinar modelos, mas externalização de custos sociais e psicológicos.

Imagem indisponível

Vozes do campo: anotadores como Ephantus Kanyugi dizem ter que "passar o dia olhando cadáveres" e dar zoom em feridas sem apoio. Organizações locais, como a Data Labelers Association, já buscam código de conduta para melhorar condições.

Para as empresas, isso não é só responsabilidade moral: há riscos de reputação, qualidade do modelo (viés) e até legais. Investidores e políticas de ESG começam a olhar para a cadeia de valor da IA — incluir anotadores é parte da equação.

Imagem indisponível

Medidas práticas que empresas e plataformas podem adotar: remuneração justa, suporte psicológico, limites de conteúdo diário, auditorias independentes, contratos claros com fornecedores e transparência na cadeia de dados.

Reflexão final: se modelos aprendem com dados humanos, a economia da IA precisa reconhecer e proteger essas pessoas. Tratar anotadores como parte da cadeia produtiva é também investir na qualidade, equidade e sustentabilidade dos produtos de IA.

Imagem indisponível