Uma empresa de inteligência artificial está disposta a pagar para que você grave, com o próprio celular, vídeos da sua rotina doméstica. À primeira vista, parece uma forma fácil de ganhar dinheiro fazendo o que você já faz todos os dias. Mas, quando olhamos com mais atenção, surgem dúvidas incômodas: até que ponto isso é seguro? Que tipo de informação estamos abrindo mão ao permitir que uma câmera registre nossa casa, nossos hábitos e nossa intimidade?
A proposta é da KGeN Quest, uma plataforma que vem ganhando espaço no Brasil ao oferecer pagamentos em dólares para pessoas dispostas a registrar atividades diárias sob a perspectiva de quem realiza a tarefa, o famoso “point of view”. Não estamos falando de nada extraordinário: lavar louça, arrumar a cama, dobrar roupas, limpar o carro, passar pano na casa. Coisas aparentemente banais, que qualquer pessoa faz sem pensar duas vezes.
O objetivo declarado é claro: usar esses vídeos para treinar modelos de inteligência artificial, principalmente aqueles voltados à robótica e à interação física com o ambiente. Para que robôs autônomos consigam operar em casas, fábricas e escritórios, é preciso mostrar, em detalhes, como seres humanos executam essas tarefas. E nada melhor do que filmagens do próprio ponto de vista da pessoa, revelando o que ela vê, como se movimenta, o que prioriza.
Do ponto de vista econômico, a proposta parece sedutora: algo em torno de 4 dólares por hora de vídeo registrado. Em tempos de orçamento apertado, isso pode soar como uma oportunidade. Você continua fazendo o que já faria – cozinhar, limpar, organizar – e ainda recebe por isso. Mas, quando tiramos o olhar da superfície e analisamos o quadro como um todo, a pergunta inevitável emerge: o que, de fato, estamos entregando em troca desse dinheiro?
Ao permitir que câmeras filmem o interior das nossas casas, não estamos fornecendo apenas a imagem da pia cheia de pratos ou da cama desarrumada. Revelamos, sem perceber, aspectos delicados do nosso cotidiano: disposição dos cômodos, rotinas de saída e chegada, presença (ou ausência) de outras pessoas, itens de valor, padrões de consumo, hábitos de segurança, além de dados sensíveis como placas de veículos, rostos de familiares, objetos pessoais e até documentos eventualmente deixados sobre mesas e bancadas.
A narrativa de que tudo isso serve “apenas para treinar uma IA” funciona, muitas vezes, como uma espécie de cortina. Atrás dela, há uma verdadeira caixa-preta de tratamento de dados. Para onde esse material vai? Quem tem acesso? Por quanto tempo esses vídeos serão armazenados? É possível garantir que, no futuro, essas gravações não serão reutilizadas para finalidades completamente diferentes daquelas apresentadas no momento da coleta?
Ao investigar um pouco mais a fundo, fica claro que a KGeN Quest é, na verdade, o “rosto” brasileiro de uma operação maior. Por trás dela está a Humyn Labs, uma startup australiana criada recentemente que afirma ter planos de investir mais de 20 milhões de dólares na construção de uma “infraestrutura de dados humanos” para treinar modelos de IA sob demanda. Em outras palavras: o objetivo é reunir, em larga escala, vídeos e informações do cotidiano de pessoas ao redor do mundo para abastecer diferentes clientes e projetos.
O fluxo de dados, no entanto, não para por aí. Entre o usuário que filma e a empresa que contrata o serviço de treinamento de IA, existe ainda um terceiro elo: o aplicativo móvel usado para fazer as gravações, desenvolvido e mantido por outra companhia, a Baker Data. Ou seja, estamos falando de, pelo menos, três atores distintos manipulando, armazenando e compartilhando o mesmo conjunto de imagens.
Sob a ótica da Lei Geral de Proteção de Dados (LGPD), esse cenário é tudo menos simples. Quem é, afinal, o controlador desses dados? Quem atua como operador? Quais são as bases legais utilizadas para justificar esse tratamento? A KGeN não exibe, em seu próprio site, uma política de privacidade detalhada e claramente vinculada à sua operação. Já a Humyn Labs e a Baker Data apresentam documentos próprios, com redações genéricas, que não parecem totalmente alinhadas entre si nem traduzem de forma transparente a jornada completa dos dados do participante.
Essa fragmentação aumenta a incerteza. Se as políticas são vagas, como o usuário comum – muitas vezes atraído unicamente pela perspectiva de renda – poderá compreender os riscos? É praticamente impossível que alguém, apenas lendo termos longos e técnicos em inglês ou em linguagem jurídica, consiga ter clareza sobre a real extensão do que está aceitando ao clicar em “concordo”.
Há, ainda, um quarto personagem envolvido que permanece na penumbra: o cliente final. Para qual empresa – e para qual tipo de projeto – será enviada a gravação que mostra, por exemplo, a placa do seu carro na garagem ou a localização exata do seu portão? Trata-se de um laboratório de pesquisa acadêmica, de uma fabricante de robôs domésticos, de uma empresa de segurança, de uma organização governamental? A ausência de clareza sobre esse “destino final” torna o risco difícil de dimensionar.
Outro aspecto delicado é o tom de “oportunidade imperdível” que cerca esse modelo. A comunicação costuma focar no ganho imediato: dólares por hora, pagamentos em pouco tempo, chance de completar a renda no fim do mês. Mas não se fala com a mesma ênfase sobre a exposição permanente da intimidade, que é impossível de ser “desfeita” depois que os dados foram coletados e replicados em servidores e bancos de dados pelo mundo.
Há um componente ético importante aqui: trata-se de um sistema que, na visão de muitos especialistas, explora a vulnerabilidade socioeconômica. Em contextos de dificuldade financeira, a percepção de risco é naturalmente reduzida. A pessoa pensa primeiro na conta de luz ou no aluguel e só depois – ou nunca – na possibilidade de que o vídeo da sala de estar, com o rosto dos filhos ao fundo, seja acessado por terceiros, analisado por algoritmos ou eventualmente vazado.
Esse mesmo dilema não é inédito. O caso Worldcoin, por exemplo, prometia recompensas em troca da coleta de dados biométricos, como varreduras de íris. O projeto foi duramente questionado e acabou sendo proibido pelas autoridades brasileiras de defesa do consumidor justamente por misturar incentivos financeiros com a captura massiva de informações extremamente sensíveis, sem garantir transparência e proteção adequadas.
Experiências semelhantes vêm sendo observadas em outros países. Modelos de gravação de atividades humanas para alimentar sistemas de IA já estão em uso em larga escala na Índia, onde trabalhadores de linhas de produção vêm sendo pressionados a utilizar smartphones presos à cabeça para registrar, continuamente, o que fazem. Esse tipo de prática gerou forte controvérsia, levantando discussões sobre direitos trabalhistas, vigilância constante e impacto psicológico desse nível de monitoramento.
Além do debate jurídico e ético, há uma camada técnica pouco debatida: o risco da chamada “IA física” – sistemas que não ficam restritos à tela de um computador, mas passam a interagir com o mundo real por meio de robôs e dispositivos autônomos. Quando esses modelos aprendem observando humanos, absorvem não apenas os “acertos”, mas também gestos imprecisos, improvisos, distrações e erros.
Os vídeos gravados no ambiente doméstico, por natureza, não seguem protocolos rígidos. São cheios de ruídos: crianças passando ao fundo, animais de estimação no caminho, barulho de televisão, falta de iluminação adequada, enquadramentos errados. Sem contexto e sem controle, esses dados podem induzir as máquinas a “aprenderem” padrões distorcidos ou incompletos. Em tarefas triviais, como empilhar pratos, isso pode resultar apenas em falhas pequenas. Mas, em cenários críticos, a consequência pode ser grave.
Pense em robôs destinados a atuar em segurança patrimonial, apoio a idosos, hospitais ou até mesmo em contextos militares. Se os sistemas forem treinados com dados confusos, mal anotados ou coletados sem rigor, há espaço para interpretações erradas e decisões imprevisíveis. Alguns poucos vídeos mal rotulados podem bastar para criar comportamentos inadequados, especialmente quando a IA extrapola para situações novas aquilo que aprendeu em ambientes domésticos desorganizados.
O fenômeno das “alucinações de máquina” – quando um modelo gera saídas completamente desconectadas da realidade a partir de dados mal compreendidos – já é conhecido no campo de IA generativa de texto e imagem. Ao transpor esse problema para a esfera física, o risco deixa de ser apenas de uma resposta errada na tela: passa a envolver objetos pesados em movimento, interação com pessoas vulneráveis, decisões automatizadas em tempo real.
Não se trata de demonizar a tecnologia. A evolução da robótica e da inteligência artificial tem um enorme potencial de gerar benefícios concretos: assistência a pessoas com mobilidade reduzida, automação de tarefas perigosas, aumento de produtividade em setores essenciais, redução de acidentes em algumas atividades de risco. O ponto central é outro: inovação sem ética e sem respeito à privacidade facilmente se transforma em ameaça, não em progresso.
Em um cenário ideal, iniciativas como a da KGeN Quest só deveriam avançar acompanhadas de alguns pilares fundamentais. O primeiro é o consentimento verdadeiramente informado: o participante precisa entender, em linguagem clara, que tipo de dado está fornecendo, quem terá acesso, por quanto tempo ficará armazenado e com quais objetivos poderá ser reutilizado. Sem isso, o “aceito os termos” é apenas uma formalidade vazia.
O segundo pilar é a minimização de dados. Em vez de filmar toda a casa, por horas, seria tecnicamente possível reduzir a coleta ao estritamente necessário: ângulos específicos, recorte de áreas, anonimização rigorosa de rostos, placas e objetos identificáveis, além de mecanismos automáticos para desfocar ou remover informações sensíveis. Quando a coleta é genérica e ampla, o risco se multiplica.
Outro aspecto indispensável é a transparência sobre a cadeia de tratamento. Se há múltiplas empresas envolvidas – a plataforma brasileira, a startup estrangeira, o desenvolvedor do aplicativo e os clientes finais -, isso precisa estar claramente descrito, com responsabilidades bem definidas. O usuário deveria saber, de forma objetiva, quem responde em caso de vazamento, uso indevido ou compartilhamento não autorizado.
Também é fundamental discutir a contrapartida. Qual é o verdadeiro valor dos dados que estão sendo coletados em comparação com o pagamento oferecido? Enquanto a pessoa recebe alguns dólares por hora, essas imagens podem gerar modelos comerciais altamente lucrativos, reutilizados inúmeras vezes em contratos futuros. A disparidade entre o benefício imediato do indivíduo e o ganho estrutural da empresa é um ponto sensível, especialmente quando o público-alvo é economicamente vulnerável.
Para quem considera participar de programas desse tipo, alguns cuidados práticos podem ajudar a reduzir os riscos, ainda que não os eliminem. Entre eles:
– Ler, com calma, todas as políticas de privacidade e termos de uso, buscando entender quem são as empresas envolvidas e como os dados podem ser usados no futuro.
– Evitar ao máximo filmar rostos de familiares, crianças, documentos à vista, telas de computadores, rotas de entrada e saída de casa e qualquer objeto que revele informações financeiras ou de saúde.
– Delimitar ambientes de gravação, preferindo espaços neutros e controlados, em vez de registrar toda a planta da residência.
– Desconfiar de propostas excessivamente vagas sobre o “futuro uso” dos dados ou que não deixem claro quem são os clientes finais.
– Refletir se o valor pago compensa, para você, a possibilidade de que esses vídeos circulem por anos em infraestruturas que fogem ao seu controle.
No campo regulatório, a tendência é que autoridades de proteção de dados e de defesa do consumidor passem a olhar com mais rigor para esse tipo de modelo. A combinação de pagamento em dinheiro, coleta massiva de imagens internas de residências e uso intensivo em IA cria um terreno fértil para abusos. Fiscalização, multas e, em casos extremos, proibições podem surgir se ficar comprovado que direitos fundamentais estão sendo atropelados.
Em última instância, a questão que fica é menos tecnológica e mais social: qual preço estamos dispostos a atribuir à própria privacidade? Em um momento em que a linha entre o mundo físico e o digital se torna cada vez mais tênue, aceitar uma câmera constantemente ligada dentro de casa, em troca de alguns dólares, é uma decisão que vai muito além de “ganhar um extra”.
A tecnologia continua sendo fascinante e cheia de possibilidades, desde que caminhe lado a lado com responsabilidade, transparência e respeito às pessoas. Quando esses elementos são tratados como detalhes secundários, o que poderia ser um avanço se transforma em um grande risco – não só para quem está na frente da câmera, mas para toda a sociedade que terá de lidar, no futuro, com as consequências de máquinas treinadas à sombra da nossa intimidade.