A evolução da interação humano-computador é frequentemente narrada como uma marcha em direção à liberdade do utilizador.
Da aridez da linha de comando à intuitividade das Interfaces Gráficas (GUI), o objetivo parecia ser a transparência da ferramenta.
A Arquitetura do Prompt e a Transferência do Trabalho de Aperfeiçoamento
Contudo, a ascensão do prompting em modelos de Linguagem de Grande Escala (LLM) introduz uma inversão ontológica.
O prompt não é apenas um “superpoder” nas mãos do utilizador; é, fundamentalmente, um mecanismo de crowdsourcing para a resolução de problemas que os algoritmos não conseguem processar isoladamente.
As empresas de IA utilizam a agência do utilizador para resolver a ambiguidade semântica e os limites éticos.
Através da lente da Teoria Ator-Rede (ANT) de Donna Haraway, podemos ver esta interação não como uma hierarquia onde o humano comanda a máquina, mas como uma co-aprendizagem assimétrica.
Neste processo, o humano é subtilmente treinado para se tornar “legível” e útil para a máquina, moldando o seu pensamento para que o modelo possa processá-lo.
O Prompt como Ferramenta de Extração: O “Free Labor” de Terranova
O desenvolvimento da IA contemporânea assenta no Reinforcement Learning from Human Feedback (RLHF).
Este ciclo oculta uma economia de exploração de dados onde o utilizador assume o papel de um anotador de elite.
Como teorizado por Tiziana Terranova no seu conceito de Free Labor (trabalho gratuito), a economia digital sobrevive da captura de atividades culturais e técnicas que ocorrem fora do mercado de trabalho tradicional.
Quando um utilizador passa horas a ajustar um prompt para obter um resultado específico, corrigindo alucinações ou refinando o tom, ele está a realizar um trabalho de anotação de dados de alta qualidade que seria caríssimo se fosse executado por profissionais contratados.
O prompt torna-se, assim, a unidade básica de extração de valor: o utilizador paga a subscrição para ter o privilégio de fornecer o feedback que torna o produto do fornecedor mais valioso.
A Ilusão da Autonomia vs. O Capitalismo de Vigilância
A promoção do “prompt engineering” como uma nova forma de programação em linguagem natural mascara uma Arquitetura da Dependência.
Ao contrário do software tradicional, onde as regras são estáveis, a sintaxe do prompt é opaca e volátil.
Esta dinâmica enquadra-se no que Shoshana Zuboff define como Capitalismo de Vigilância.
Para Zuboff, o “excedente comportamental” é a matéria-prima da economia moderna.
No contexto da IA, este excedente não é apenas o que o utilizador pede, mas como ele tenta controlar a máquina, as correções que faz e as iterações que rejeita.
Esta extração de surplus consolida um Vendor Lock-in cognitivo (dependência do fornecedor a nível cognitivo): as empresas capturam o esforço intelectual do utilizador, devolvendo-o sob a forma de atualizações pagas (como a transição do GPT-3.5 para o GPT-4), num ciclo onde a perícia do utilizador é propositadamente mantida em estado de obsolescência programada.
A Estetização do Trabalho: Mistificação e Poder
A transformação de uma falha de usabilidade, a incapacidade da IA entender a linguagem natural comum, numa competência exclusiva (“Prompt Engineering”) é um exercício de poder.
Esta designação cria uma pseudo-profissão que legitima a instabilidade dos modelos.
A gamificação deste processo, visível em comunidades online que partilham prompts “mágicos”, funciona como um sistema de treino comunitário.
Esta dinâmica social mascara o facto de que os utilizadores estão a atuar como “Human-in-the-Loop” (HITL) sem remuneração.
Críticos da Economia Política da IA sublinham que este “loop” serve frequentemente para ocultar o trabalho precário de clickworkers em países do Sul Global e que, agora, esta lógica de exploração se estende ao consumidor final sob a capa da criatividade e do domínio tecnológico.
Contra-Argumentos e a Refutação da Simetria
Muitos defendem que esta troca é justa, dado que o utilizador recebe utilidade imediata.
Contudo, esta visão ignora a assimetria informacional e de capital:
- Volatilidade da Expertise: Ao contrário do domínio do Photoshop ou Excel, a expertise em prompts não é transferível entre modelos e desaparece a cada atualização da API.
- Apropriação Privada do Comum: O esforço coletivo de milhões de utilizadores para “alinhar” a IA é apropriado privadamente pelas empresas, que transformam o conhecimento comum num ativo proprietário fechado atrás de uma paywall.
- Consentimento Manufacturado: Os Termos de Serviço não explicam a profundidade da extração de valor; o utilizador consente na utilização dos dados, mas raramente compreende que ele é o motor principal do refinamento técnico do modelo.
Conclusão: A AGI e a Transparência do Trabalho
O prompt é a fronteira final da externalização de custos na indústria tecnológica.
A verdadeira “Inteligência Artificial Geral” (AGI) é frequentemente apresentada como um horizonte técnico, mas a análise crítica sugere que ela é um horizonte social: as máquinas parecem inteligentes porque existem milhões de humanos a ensiná-las, via interface, a pensar e a agir de forma legível.
Para o futuro da regulamentação, é imperativo que o prompt seja reconhecido como uma forma de trabalho digital.
Se a inteligência do modelo deriva do esforço de refinamento do utilizador, a governação da IA deve exigir transparência sobre como este feedback é monetizado.
A questão final permanece: será que a IA alguma vez será verdadeiramente autónoma, ou será apenas um espelho cada vez mais polido do trabalho humano invisível e não remunerado?
