O teste que quebrou a ilusão

Em 2023, uma equipa de investigação da EPFL, em Lausana, fez uma experiência discreta com trabalhadores de crowdsourcing que tinha contratado através do Amazon Mechanical Turk para resumir textos. Com registo de teclas e um classificador treinado para detetar prosa escrita por máquinas, a equipa, dirigida por Veselovsky, estimou que entre 33 e 46 por cento dos trabalhadores tinham usado um grande modelo de linguagem para produzir as suas respostas 'humanas'.

A descoberta não era um escândalo sobre trabalhadores preguiçosos. Era um aviso sobre a proveniência. O mercado vendia critério humano por tarefa, e entre um terço e metade desse critério já era uma máquina por detrás do início de sessão de outra pessoa. Quem comprava dados etiquetados, decisões de moderação ou respostas a inquéritos ao preço da peça comprava uma mistura que não conseguia ver.

O que a Amazon fez de facto

A 30 de julho de 2026, a AWS deixa de aceitar novos clientes para o Mechanical Turk. Os clientes atuais podem continuar a usá-lo, mas o serviço está agora em manutenção: a AWS diz que vai investir em segurança e disponibilidade, mas não vai acrescentar novas funções. Na linguagem da nuvem, esse é o caminho para a desativação, não uma pausa.

O Mechanical Turk nasceu em 2005 e tem o nome de uma máquina de xadrez do século XVIII que escondia uma pessoa dentro de um autómato falso. O nome era a piada e o modelo: software que parecia automático mas funcionava com pessoas. Duas décadas depois, as pessoas funcionavam em silêncio com software, e as contas que tornavam a plataforma útil deixaram de bater certo.

Porque isto chega à sua secretária

A história não é um serviço a fechar. É cada passo do seu sistema que pressupõe que um humano verificou algo. Filas de moderação, etiquetagem de dados para um modelo que afina, pontuação de testes, controlos de conformidade com 'revisão humana', painéis de inquérito por detrás de um painel de estudo de mercado: muitos passam por mercados baratos de tarefas humanas, e o resultado de 2023 diz que essa camada humana já era porosa há anos.

Para um operador europeu, isto não é só uma questão de eficiência. O Regulamento da IA espera governação e rastreabilidade dos dados para os sistemas de maior risco, e 'uma pessoa verificou o conjunto de treino' é exatamente o tipo de afirmação que um auditor lhe pedirá para provar. Se não conseguir mostrar quem produziu uma etiqueta, não consegue mostrar que a etiqueta está limpa.

A decisão, não a nostalgia

A instrução é concreta e tem data. Antes de 30 de julho, liste cada fluxo de trabalho que chega a um mercado de tarefas humanas, marque quais alimentam um modelo, um registo de conformidade ou uma decisão virada para o cliente, e decida para cada um se o move, verifica ou substitui. Trate 'isso subcontratamos a humanos' como uma afirmação a testar, não como um controlo que funciona.

A taxa de base é a lição. Quem compra verificação à peça recebe do fornecedor mais barato a letra da tarefa com a ferramenta mais rápida, e hoje essa ferramenta é um modelo de linguagem. Pague pela prova da proveniência, não só por uma resposta, e o encerramento de um mercado deixa de ser problema seu.

Leia a seguir: Quatro nuvens dos EUA respondem agora a Londres  |  A 24 de julho, deepseek-chat deixa de responder