Palavra de Sá

Ricardo Antunes: Como as novas tecnologias adoecem e matam a classe trabalhadora

Da fraude da “empregabilidade” ao contorcionismo do “empreendedorismo”, estamos presenciando uma fase de profunda derrelição dos direitos e das condições de trabalho no Brasil.

Podemos recordar o engodo da falta de “empregabilidade” como pretexto para as demissões no passado recente. Quem perdia seu emprego recebia esta justificativa: não havia empregabilidade! Nem o dicionário do mestre Aurélio conhecia esta inusitada palavra, inventada pelo ideário desprezível dos CEOs.

Para eliminar trabalho, era preciso ter uma “explicação”. Esperar que as grandes corporações exibissem coágulos de sinceridade é como imaginar que no deserto do Saara se possa ter gelo o ano inteiro! É por isso que, mesmo quando trabalhadores e trabalhadoras faziam cursos de todo tipo, das especializações às pós-graduações, não tinha jeito: sem “empregabilidade”, uma hora vinha a demissão!

Mas a classe trabalhadora percebeu, algum tempo depois, que seu emprego estava de fato sendo eliminado pelos novos inventos tecnológicos, que são preferencialmente programados para eliminar trabalho vivo. Era preciso, então, “culpar” a classe trabalhadora e responsabilizá-la pelo desemprego, na passagem do taylorismo-fordismo para o toyotismo e sua empresa flexível e enxuta (lean production).

Adentramos, então, uma nova era de financeirização do capital (do arcabouço fiscal que tem a face de calabouço social) impondo a demolição do trabalho regulamentado.

Fenômeno global, basta recordar o trabalho contingente e dos jovens que compreendem os cyber-refugiados no Japão, sem esquecer os imigrantes nos Estados Unidos, as maquiladoras no México, o “trabalho atípico” na Itália ou os recibos verdes em Portugal, só para dar alguns exemplos.

No Brasil, vimos esparramarem-se as “falsas” cooperativas, depois a terceirização, inicialmente das atividades-meio e depois das atividades-fim. Todas concebidas, moldadas e calibradas pelo mundo do capital, visando à sistemática corrosão dos direitos do trabalho, que dilapidou ainda mais as condições de trabalho e de remuneração da classe trabalhadora, intensificando os níveis de exploração e de precarização da força de trabalho, da qual cerca de 40% trabalha na informalidade.

Com o neoliberalismo entrelaçado à financeirização, impôs-se também a privatização dos serviços públicos, turbinada pelas novas tecnologias digitais. Os objetivos e os resultados se evidenciam: quanto mais trabalho morto, com algoritmos e inteligência artificial, melhor. Mas como é impossível a eliminação completa do trabalho humano – e este é o calcanhar de Aquiles do capital – urge devastá-lo e depauperá-lo ao limite, eliminando tudo que um dia significou algum direito real.

Para que tal empreitada fosse efetivada, o léxico do capital ganhou uma impulsão frenética: era preciso adulterar profundamente o sentido etimológico original das palavras pelo novo dicionário empresarial: trabalhadores(as) tornaram-se “parceiros(as)”, “colaboradores(as)”; assalariados(as) converteram-se em “empreendedores(as)”.

A cada nova onda corporativa, a enxurrada de adulterações ganhava mais lustre catártico: “líder”, “times”, “metas”, “gestão de pessoas”, “inovação”, “sinergia”, “resiliência”.

Assim, proliferou-se o “novo” palavrório obrigatório da desmedida empresarial. Tudo cuidadosamente concebido para obliterar o assalariamento, como se vê na pejotização e no trabalho uberizado, de modo a recuperar modalidades de trabalhos vigentes nos séculos XVIII e XIX, agora recheadas com sabor algorítmico e digital e, “coincidentemente”, cada vez mais com menos direitos do trabalho.

O resultado é explosivo: mais informalidade, precarização, subemprego, desemprego, trabalho intermitente etc. A terceirização – que no fordismo se restringia a setores como limpeza, segurança, transporte, alimentação –, de exceção, vem se tornando regra (até mesmo no trabalho público) e se amplificando na era da inteligência artificial, “abrindo a porteira” para formas de contratação como PJ, MEI, microtrabalhos, crowdwork, à margem da legislação protetora do trabalho.

Suas consequências são profundas: como as “metas” são interiorizadas cotidianamente na subjetividade da classe trabalhadora (em substituição ao também nefasto cronômetro taylorista), aflora um resultado assustador: aproximadamente 30% da força de trabalho ocupada no Brasil sofre de burnout, doença que se caracteriza “pelo esgotamento físico e mental relacionado ao trabalho” (conforme dados da Associação Nacional de Medicina do Trabalho – ANAMT), o que nos coloca em segundo lugar no ranking mundial desta doença, que tristemente singulariza nosso tempo.

Adoecimentos mentais, assédios, depressões, suicídios, então, não podem ser efetivamente compreendidos se não se considera a realidade do trabalho precarizado no Brasil atual. O exemplo do trabalho em plataformas é também desolador: na cidade de São Paulo, em média, mais de um entregador por aplicativo morre por dia por acidente de trabalho. E a pesquisa recém-divulgada pelo IBGE (Instituto Brasileiro de Geografia e Estatística) em 17 de outubro de 2025, mostra que a jornada de trabalho realizada pelos trabalhadores de plataformas vem se ampliando: em 2024 ela foi, em média, 5,5 h mais extensa que a dos demais trabalhadores. É essa a dura realidade do trabalho “moderno” no Brasil.

É nesse cipoal que o STF terá que refletir e decidir, seja ao tratar do Tema 1389, sobre a pejotização, seja ao julgar as demandas do IFood e da Uber que pretendem legitimar essa modalidade de trabalho uberizado e sem direitos no Brasil, desconsiderando tanto as decisões do TST, como o princípio protetor do trabalho que consta do artigo 7º da Constituição de 1988 (.

Como procederá o Supremo? Será seu nome escrito em maiúsculo, como tem feito na luta contra o golpismo em nosso país, ou será escrito em minúsculo, tornando-se diretamente responsável por uma irreversível regressão na legislação protetora do trabalho no Brasil?

•        IA: A aposta norte-americana e a chinesa. Por James Görgen

Muito se tem escrito e falado sobre o potencial estouro de uma bolha de inteligência artificial surgida nos Estados Unidos. Os números do mercado financeiro e das contas nacionais impressionam muito e evidenciam que sua ruptura pode causar danos consideráveis na economia do país. Não parece mais ser uma questão de se, mas de quando. O que pouco se tem explorado é a não formação de uma bolha semelhante no mercado da China. Como vamos ver ao longo do texto, parece que as diferenças são uma questão de timing e de filosofia: enquanto as big techs e o sistema financeiro norte-americano embarcaram na decisão de fazer dinheiro com a tecnologia com a suposição de que no futuro ela trará os ganhos de eficiência prometidos, os chineses querem fazer negócios primeiro e ganhar dinheiro depois.

Mas o que causou a bolha atual? Nos EUA, a onda de IA impacta de imediato as contas nacionais porque o investimento em data centers, hardware e infraestrutura elétrica amplia a  formação de capital fixo, mesmo que a produtividade demore a chegar. No primeiro semestre de 2025, por exemplo, diversos cálculos mostram que sem data centers o crescimento quase zera. Estimativas privadas como a do banco JP Morgan sugerem que o investimento em capital (Capex) em IA adicionará de 1 a 2 pontos percentuais ao PIB neste ano e no seguinte. Ou seja, a economia “cresce” pelo investimento antes de provar retorno, um clássico ingrediente de bolhas.

A alta está ultraconcentrada em poucas big techs (Nvidia à frente), elevando as cotações pela expectativa do porvir e deixando o principal índice de ações da bolsa de Nova York (o S&P 500) dependente das “Magnificent Seven”. O FMI, o Banco Central Europeu e outras instituições têm alertado para esta concentração e valorizações artificialmente expandidas, com chance de correção brusca se o lucro prometido pela IA atrasar, o que tem que ocorrer em 24 meses. Isso é típico de “bolhas de expectativa”: preço e Capex correm à frente dos fluxos de caixa.

A corrida por IA pressiona o fornecimento de energia elétrica e as redes, deslocando recursos para data centers e implantação de linhas elétricas dedicadas. Projeções falam em salto de 50% da demanda de energia de data centers até 2027 e cenários de 165% até 2030; o FMI já trata energia como restrição macro para a IA. Se a produtividade demorar, sobram investimentos em capital, energia cara e inflação setorial, esta última outro traço de bolha real-macroeconômica.

<><> Realidade e narrativa

Três textos recentes descrevem com boas informações o que já está sendo percebido globalmente pelo mercado financeiro e o pode vir pela frente. O professor Scott Galloway descreve em um artigo os riscos que os EUA correm no atual momento. A concentração do valor de mercado do grupo das dez principais empresas no S&P 500 (as sete magníficas mais AMD, Broadcom e Palantir, grupo agora chamados de “Mag 10”) e a ideia de que IA irá “salvar tudo” estão criando uma situação de difícil reversão. Como ele resume:

“As 10 principais ações do S&P 500 representam 40% da capitalização de mercado do índice. Desde o lançamento do ChatGPT, em novembro de 2022, as ações relacionadas à IA registraram 75% dos retornos do S&P 500, 80% do crescimento dos lucros e 90% do crescimento dos gastos de capital. Entretanto, os investimentos em IA representaram quase 92% do crescimento do PIB dos EUA este ano. (…)

“As avaliações do Mag 10 são elevadas, mas ainda não atingiram picos históricos. A relação entre o preço das ações e a expectativa de retorno futuro de 24 meses, entre o Mag 10, é de 35 vezes. Em 2000, no auge da bolha das pontocom, as 10 principais ações eram negociadas a 52 vezes os lucros futuros. No entanto, implícito nessas avaliações está o pressuposto de que a IA ajudará essas empresas a reduzir custos ou a aumentar as receitas em US$ 1 trilhão nos próximos dois anos para justificar preços atuais.”

Galloway resume o descompasso mostrando que US$ 100 bilhões ao ano em investimento em IA justificariam US$ 1,8 trilhão em acréscimo de valor de mercado, algo que só se sustentaria com difusão rápida de produtividade, coisa que está longe de aparecer. Neste caso, a concentração de mercado vira um risco sistêmico. As MAG 10 explicam parcela desproporcional dos ganhos e da capitalização fazendo com que qualquer atraso em monetização leve a uma reprecificação em cascata.

O autor cita também um estudo de 2018 que analisou 51 inovações entre 1825 e 2000 revelando que 37 foram acompanhadas por bolhas. A destruição que se seguiu ao fim de cada bolha, no entanto, variou muito, dependendo de vários fatores. As bolhas inflacionadas por políticas governamentais são mais destrutivas do que aquelas inflacionadas por novas tecnologias, de acordo com os historiadores econômicos William Quinn e John Turner. Galloway compara o entusiasmo atual com Nvidia ao caso Cisco na bolha ponto-com: líder de infraestrutura, margens elevadas, narrativa irresistível — até que a demanda “prometida” demorou levando à lição de que hardware como núcleo central da capitalização pode levar a queda dos preços das ações antes de a produtividade agregada surgir.

<><> Dois mundos

Natasha Sarin, no The New York Times, enxerga claramente os EUA divididos em “duas economias”: IA versus o resto. Um núcleo IA-intensivo (big techs, fornecedores de chips, energia e construção de data centers) que puxa PIB e mercados para cima; e um outro cenário que anda de lado. Para ela, a implicação macroeconômica é parecida com a constatação de Galloway, mas Natasha também analisa os empregos que não acompanham o crescimento uma vez que os ganhos são concentrados e efeitos limitados fora do cluster de IA.

A professora de Yale também enquadra tarifas generalizadas como as do presidente Donald Trump como um choque adverso que encarece insumos, embaralha cadeias e compensa parte do impulso da IA — especialmente nos setores “não-IA”. Sem a entrega de ganho real, um freio comercial torna mais difícil entregar a produtividade prometida no horizonte de curto prazo. Evidências paralelas sugerem que tarifas podem acelerar automação (substituindo trabalho onde os custos sobem), acentuando a bifurcação entre o núcleo de IA e o restante da economia.

<><> Resíduos pós-bolha

O autor de Enshittification, Cory Doctorow, resolveu fazer previsões sobre o futuro após o estouro. Para ele, quando a bolha murchar, o que fica pode vir a ser um resíduo positivo. Uma oferta de computadores de alto desempenho baratos vendidas a preço de liquidação, mão-de-obra qualificada buscando realocação (engenheiros e cientistas de dados) e um ecossistema open-source já funcional que tende a melhorar muito quando otimizado e combinado com esse hardware mais acessível. A oportunidade está em recolocar esse excedente para usos realmente úteis: universidades e sistemas públicos (saúde, educação, justiça), pequenas e médias empresas e cooperativas digitais, que podem montar clusters modestos. Além disso, estes bons recursos ajudarão a treinar ou afinar modelos abertos e resolver problemas locais — com custos que, pela primeira vez, cabem no orçamento.

Para capturar esse ganho, Doctorow sugere que o resíduo seja absorvido em vez de deixar que ele se reconcentre nas empresas líderes. Isso implica políticas e arranjos práticos: compras públicas de oportunidade (hardware de data centers em liquidação), “compute commons” regionais para pesquisa e serviços públicos, programas de requalificação que reorientem talentos para missões de impacto, e “stack” aberto (modelos, dados e ferramentas) para reduzir dependências e acelerar a difusão. O articulista traz um paralelo histórico para defender seu cenário. Após outras bolhas, a infraestrutura ociosa virou bem público (como fibras “apagadas” iluminadas anos depois). No caso atual, a combinação GPU barata + talento disponível + modelos abertos pode inaugurar uma fase **pós-bolha** mais utilitária, distribuída e acessível — menos financeira, mais produtiva.

<><> Lições chinesas

O quadro pintado por Galloway e Sarin traz a China para o debate. Porque o país fez exatamente o contrário dos EUA em relação a vários domínios das tecnologias digitais. É claro que o estouro da bolha no mercado norte-americano terá impacto em quase todo o globo. Mas o que interessa analisar aqui é por que algo semelhante não se formou por lá. Única postulante a assumir a liderança em IA, e se aproximando do estado da arte do concorrente, a política chinesa teve, a meu ver, quatro componentes que impediram o crescimento de uma bolha como a estadunidense, Basicamente, eles desacoplaram o preço dos ativos da narrativa que alimenta o hype. O que gera um retorno mais lento, mas mais sustentável e com menos riscos sistêmicos de investimento.

Em primeiro lugar, do ano passado para cá houve um aperto em venture capital e foram colocadas âncoras para evitar sobrevalorização das ações de suas startups e big techs nas bolsas. Com menos oferta de “dinheiro fácil” evitou-se a espuma financeira típica de bolhas. No front regulatório, passaram a ser exigidas licenças, adequação a padrões e conformidade de conteúdo, o que tende a desacelerar a escalada especulativa em modelos genéricos e reorientar capital para aplicações “úteis” e conformidade. Em terceiro, foi criada uma política industrial direcionada – provocada pelos limites em importação de GPUs de alta performance dos EUA. Isso levou a uma iniciativa de “compute-first” chamada de “Leste-Dados e Oeste-Computação” por meio da qual reposicionou-se o investimento para construção de infraestrutura de longo prazo (centros de computação “inteligentes”, energia, localização de data centers em regiões desabitadas do Oeste), causando menos efeito-manada em ações e mais investimento em capital orientado pelo Estado. Por fim, foi estabelecida uma política de inovação controlada pelo Estado, o que vem criando regularmente casos como o do DeepSeek, com clusters menores fazendo avanços “software-first” no desenvolvimento de aplicações. Esta escolha moderou o frenesi por GPUs, reduzindo a euforia financeira mesmo com progresso técnico.

Mesmo as restrições de acesso à hardware, como as barreiras colocadas por Trump, estão sendo superadas pela China, que vem alocando recursos vultosos para desenvolver o mercado de semicondutores e placas de ponta a fim de encarar o quase monopólio global da NVidia. Isso obrigou a empresa de maior valor dos EUA a fazer uma adequação de sua geopolítica nos últimos meses a fim de convencer a Casa Branca a permitir mais exportações. Outra escolha acertada da política industrial de Pequim foi investir em soluções de código aberto e mais aplicações dirigidas aos segmentos de não-IA, baseadas em modelos menores, que exigem menos capacidade de processamento. Isso abriu mercados e vetou investimentos estratosféricos em capital.

Para completar, o Partido Comunista aprovou o “AI Plus”, uma iniciativa para massificar agentes e modelos de IA em toda a economia. O plano estabelece metas de integração ampla e profunda da IA em ciência e tecnologia, indústria, consumo, bem estar, governança e cooperação internacional, com objetivos claros: atingir mais de 70% de penetração de terminais inteligentes e agentes de IA até 2027 e superar 90% até 2030, culminando em uma economia e sociedade inteligentes por volta de 2035. Para sustentar essa trajetória, o governo prioriza aprimorar modelos de IA, inovar em suprimento de dados, expandir capacidade computacional e fortalecer formação de talentos, alavancando vantagens estruturais como mercado doméstico de grande escala, ecossistema industrial completo e ambiente institucional favorável. O impacto esperado inclui ganhos de produtividade total dos fatores e a transformação de setores tradicionais — como aço, têxtil e equipamentos — em cadeias de valor mais inteligentes, verdes e de alto padrão, ao mesmo tempo em que estimula novas indústrias como robótica, veículos autônomos e dispositivos inteligentes.

O AI Plus, que deve fazer parte do novo Plano Quinquenal a ser aprovado em 2026, se encaixa na estratégia mais ampla porque funciona como uma política industrial voltada à IA. Além da difusão dos agentes, deve acelerar a criação de capacidades de computação, orientar investimento em infraestrutura de dados e energia, e promover um ecossistema com código aberto, formação de talentos e atualização regulatória e de segurança. Isso busca reconfigurar a competitividade nacional ao integrar IA profundamente na economia real, elevando eficiência e reduzindo custos, enquanto consolida a posição da China como potência de inovação. A execução demanda avanços em pesquisa básica e tecnologias chave, além de governança que dê previsibilidade e proteja a segurança dos sistemas. O governo prevê que, se bem-sucedida, a política criará motores de crescimento novos e sustentáveis, com efeitos sistêmicos sobre produtividade, indústria e comércio, reforçando a capacidade do Estado de coordenar a transição para uma era de alto uso de IA.

<><> Adiando a bolha

Se as fotografias de Sarin e Galloway estiverem corretas, a bolha de IA ainda pode ser contida nos EUA. Mas isso exigirá recursos de grande monta. Uma agenda de mitigação antes do estouro passaria por três vias a serem monitoradas e implementadas. Primeiro, difundir IA para setores “não-IA” (adoção em pequenas e médias empresas, serviços públicos, saúde, educação) para reduzir a bifurcação das duas economias apontada pela professora. Em paralelo, aliviar gargalos de energia e conectividade para que o investimento em capital gere ganhos de eficiência sistêmica e não inflação setorial. Por fim, o governo precisa calibrar tarifas para não neutralizar os ganhos de produtividade incipientes.

Mesmo que venha o estouro, Doctorow vê condições para obter sucesso. É preciso criar governança para evitar reconcentração do excedente; interoperabilidade para que laboratórios, governos e cooperativas compartilhem recursos, e métricas de impacto (serviços mais rápidos e baratos, filas menores, eficiência energética). O “fim” da bolha, portanto, não precisa ser um deserto. Pode ser o começo de uma economia de IA de baixo custo, aberta e orientada a problemas reais, se houver estratégia para socializar o que a especulação deixou para trás.

Para observar estes impactos e retardar ou minorar os danos com a explosão da bolha será necessário investimento para reduzir os gastos com estruturas de data centers, consumo elétrico do setor, participação do cluster IA no crescimento do PIB, evolução de margens fora do mercado tech e abertura de vagas por setor. Uma lição de casa difícil de implementar no momento em que o hype ainda nos impede de ver além da espuma.]

 

Fonte: Correio da Cidadania/Outras Palavras