Reportagem detalha fontes de dados e controvérsias no treinamento de IAs
O Canaltech reúne práticas usadas por empresas para treinar modelos e questionamentos sobre direitos autorais, privacidade e condições de trabalho. A matéria também cita dados sobre microtarefas no Brasil.
Em reportagem publicada em 1º de novembro de 2026, o Canaltech descreve de onde vêm os dados usados para treinar modelos de inteligência artificial: conteúdo da internet, bases públicas ou licenciadas, livros, notícias, dados sintéticos e, conforme as políticas de cada serviço, interações de usuários. Especialistas ouvidos pela publicação afirmam que a seleção dos dados influencia as respostas e os vieses dos modelos.
O texto também aborda gravações em primeira pessoa de trabalhadores realizando tarefas para treinar robôs. Segundo a reportagem, a Scale AI já reuniu mais de 100 mil horas desse tipo de material. As gravações podem registrar residências, outras pessoas e informações do ambiente; também levantam a questão de trabalhadores fornecerem dados para automatizar tarefas que executam.
A matéria relata disputas sobre livros protegidos por direitos autorais. A Anthropic armazenou mais de 482 mil livros obtidos de bibliotecas digitais piratas e chegou a um acordo de US$ 1,5 bilhão relacionado a direitos autorais. A Meta também é citada pelo uso de livros de autores obtidos da LibGen para treinar o LLaMA. Um dos especialistas entrevistados ressalta que o acesso técnico a um conteúdo não significa autorização jurídica.
A reportagem ainda trata de trabalhadores que rotulam dados, avaliam respostas e moderam conteúdo, incluindo relatos de exposição a material traumático. No Brasil, cita pesquisa segundo a qual treinadores de IA podem receber, em média, entre R$ 538 e R$ 583 por mês, cerca de R$ 9,36 por hora.
O que muda para você
Para quem usa serviços de IA, a matéria chama atenção para o fato de que prompts, conversas e arquivos podem ser usados para aprimorar modelos, conforme as configurações e políticas de cada empresa. Para quem trabalha com microtarefas no Brasil, ela reúne dados sobre remuneração e instabilidade. O texto é uma reportagem sobre práticas e controvérsias, não o anúncio de uma ferramenta ou mudança imediata nos serviços.
E no Brasil
A reportagem cita o mercado brasileiro de microtarefas de treinamento de IA. Segundo a pesquisa Microtrabalho no Brasil, esses trabalhadores podem receber, em média, entre R$ 538 e R$ 583 por mês, cerca de R$ 9,36 por hora.
Minha leitura
A discussão sobre treinamento de IA começa antes do modelo responder: passa pela origem dos dados e pelo trabalho de quem os prepara. A reportagem reúne problemas distintos — direitos autorais, privacidade e condições de trabalho — que não desaparecem porque o sistema funciona bem. Para avaliar um serviço, eu olharia também para as regras sobre uso das conversas e para a cadeia que sustenta o treinamento. A matéria expõe essas questões, mas não detalha as políticas de cada empresa.
Thiago FelizolaConsultor de IA, curador do Diário da IA
