Receber dinheiro para mostrar, em vídeo, aquilo que você já faz todos os dias: lavar a louça, arrumar a cama, dobrar roupa, limpar o carro. À primeira vista, a proposta soa quase irresistível. É exatamente essa a promessa da KGeN Quest, uma plataforma brasileira que ganhou espaço na mídia ao oferecer pagamento em dólares – cerca de 4 dólares por hora de gravação – em troca de vídeos gravados em primeira pessoa das suas tarefas domésticas.
Por trás dessa ideia está um objetivo tecnológico claro: alimentar sistemas de inteligência artificial com imagens realistas, capturadas do ponto de vista humano, para treinar modelos que futuramente poderão controlar robôs domésticos ou máquinas capazes de operar no mundo físico. Em termos técnicos, é um prato cheio: vídeos “point-of-view” são um material valioso para ensinar uma IA a reconhecer objetos, entender sequências de ações e executar tarefas com alguma autonomia.
O problema começa quando saímos da narrativa sedutora da inovação e observamos, com calma, o que realmente está sendo colocado na mesa – ou melhor, na nuvem. Ao aceitar que a câmera do celular filme a sua casa por longos períodos, você não entrega apenas o registro da louça suja. Você revela a disposição dos cômodos, hábitos de consumo, horários em que há ou não gente em casa, placas de carro, marcas e modelos de equipamentos, fotos de família ao fundo, rostos de outras pessoas que convivem com você, possíveis vulnerabilidades de segurança física. É uma radiografia íntima do seu cotidiano.
A KGeN aparece como uma espécie de “fachada” brasileira para a Humyn Labs, uma startup australiana que começou a operar recentemente e que já anuncia planos de investir mais de 20 milhões de dólares na construção de uma verdadeira “infraestrutura de dados humanos” para treinar modelos de IA sob demanda. Entre quem recruta (KGeN), quem coleta e organiza os dados (Humyn) e quem desenvolve o aplicativo de gravação (Baker Data), temos pelo menos três empresas envolvidas no fluxo dessas imagens.
Esse emaranhado de atores complica qualquer análise séria sob a ótica da Lei Geral de Proteção de Dados (LGPD). A KGeN não exibe uma política de privacidade clara e própria em seu site. A Humyn e a Baker Data até apresentam documentos de privacidade, mas de forma genérica, com termos amplos e, muitas vezes, desconectados entre si. Fica difícil entender, de forma objetiva, quem é controlador, quem é operador, quem toma decisões sobre o tratamento dos dados e, principalmente, quem será responsabilizado em caso de incidente.
Ainda há um quarto elemento nebuloso: os clientes finais desses dados. Para quais empresas, projetos ou setores vão parar os vídeos que mostram, por exemplo, a placa do seu carro, a marca da sua fechadura, o modelo do seu roteador Wi-Fi ou a rotina de entrada e saída da sua família? A promessa de que tudo é “para treinar IA” é ampla demais e, do ponto de vista da LGPD, nada transparente. Treinar IA para quê, exatamente? Para um robô de limpeza? Para sistemas de vigilância? Para aplicações militares? Para segmentação comercial?
Sob a LGPD, o uso desses dados teria que estar amparado por bases legais específicas, principalmente o consentimento, que deve ser livre, informado e inequívoco. Não basta um botão “aceito” escondido em letras miúdas. O titular precisa saber, de forma compreensível, quais dados serão coletados, com quem serão compartilhados, por quanto tempo serão armazenados e para quais finalidades detalhadas serão usados. Quando políticas são vagas e os fluxos de dados atravessam múltiplos países e empresas, esse requisito dificilmente é atendido de forma adequada.
Há ainda a questão da segurança da informação. Estamos falando de vídeos de alta resolução que mostram, em detalhes, o interior de casas, fachadas de prédios, rotina de deslocamentos. Um vazamento desse tipo não é apenas “mais um incidente de dados”. É um prato cheio para criminosos especializados em furto, golpe de engenharia social e perseguição. Mesmo que as empresas afirmem utilizar criptografia e boas práticas, qualquer falha técnica ou humana em toda a cadeia de tratamento amplia enormemente o risco para o usuário.
Outro ponto que merece atenção é a exploração da vulnerabilidade socioeconômica. O discurso de “oportunidade” deixa de lado um aspecto incômodo: esse modelo tende a atrair, sobretudo, quem está em situação financeira apertada e vê na recompensa em dólares um respiro, ainda que pequeno. Quando a conta de luz está atrasada, a avaliação de riscos de privacidade naturalmente perde espaço para a necessidade imediata de renda. É exatamente esse tipo de assimetria que torna o debate ético tão delicado.
Esse cenário remete diretamente ao caso do Worldcoin, projeto que oferecia recompensas em troca de dados biométricos – mais especificamente, o escaneamento de íris – sob a promessa de criar um sistema global de identificação. A iniciativa foi duramente criticada, considerada abusiva por órgãos de defesa do consumidor e acabou proibida em território brasileiro. A lógica é parecida: transformar dados altamente sensíveis em moeda de troca para populações mais vulneráveis, sob o pretexto da inovação.
Essa estratégia de “monetizar a intimidade” não é exclusiva do Brasil. Modelos de gravação contínua de atividades humanas para alimentar IAs generativas e robôs já estão sendo implementados em larga escala em outros países, como a Índia. Por lá, surgiram relatos de trabalhadores em linhas de montagem obrigados a atuar com smartphones presos à cabeça, filmando cada movimento que realizam para gerar bases de dados de treinamento. A fronteira entre trabalho remunerado e vigilância massiva fica extremamente tênue nesse contexto.
Um ponto pouco discutido é o risco da chamada “IA física”: sistemas de inteligência artificial que deixam de atuar apenas no mundo digital e passam a interagir diretamente com o ambiente, controlando robôs, drones, veículos e equipamentos diversos. Quando alimentamos esses sistemas com vídeos caseiros, capturados sem rigor metodológico, sem padronização, sem controle de contexto, estamos ensinando máquinas com base em um recorte imperfeito, cheio de vieses e omissões do comportamento humano.
Decisões que, para um humano, são óbvias e intuitivas – como perceber que uma criança entrou na cozinha no meio da limpeza ou que há um obstáculo escorregadio no chão – podem não ser corretamente interpretadas por um algoritmo treinado em exemplos limitados e descontextualizados. Em situações de maior criticidade, como robôs de segurança patrimonial ou sistemas com potencial uso militar, “alucinações” de máquina ou interpretações equivocadas podem gerar acidentes graves, danos materiais e até ameaça à integridade física de pessoas.
É importante lembrar que o comportamento humano é, por natureza, cheio de exceções e improvisos. Nós fazemos “gambiarras”, criamos atalhos, resolvemos problemas de forma pouco ortodoxa. Se um robô aprende apenas observando esse tipo de conduta, sem um filtro técnico robusto, ele tende a reproduzir não só as boas práticas, mas também erros, descuidos e padrões perigosos. A ideia de que qualquer vídeo caseiro serve como “material de treinamento” pode ser extremamente ingênua – e perigosa.
Do ponto de vista regulatório, essa é uma área que ainda corre atrás do prejuízo. A LGPD dá ferramentas importantes para proteger o titular, mas não resolve todos os dilemas. Falta, por exemplo, uma regulamentação mais específica sobre projetos de coleta massiva de dados audiovisuais domiciliares para fins de IA, com exigências claras de avaliação de impacto, auditoria independente, transparência sobre clientes finais e mecanismos de responsabilização compartilhada em toda a cadeia de tratamento.
Também é crucial discutir a prática de “anonymização” nesses contextos. Muitas empresas argumentam que os vídeos são anonimizados e, portanto, não oferecem risco ao indivíduo. Na prática, porém, ambientes domésticos são cheios de pistas de reidentificação: localização aproximada, vista da janela, sotaques, quadros na parede, uniformes de escola, documentos à vista, entre outros detalhes. Em muitos casos, a simples combinação de imagens e metadados já é suficiente para identificar uma pessoa ou família.
Outro ponto sensível é a presença de terceiros – especialmente crianças – nos vídeos. Mesmo que o adulto responsável tenha aceitado participar do projeto, isso não significa que todos os demais indivíduos que aparecem nas gravações tenham consentido. A LGPD trata dados de crianças e adolescentes com proteção ainda mais rigorosa, exigindo salvaguardas adicionais e finalidades específicas. Gravar rotinas domésticas em ambientes onde circulam menores de idade adiciona uma camada extra de complexidade e responsabilidade.
Diante de tudo isso, o que uma pessoa comum deve considerar antes de topar filmar a própria rotina em troca de alguns dólares? No mínimo:
1. Ler com atenção as políticas de privacidade das empresas envolvidas, identificando quem é responsável por quê.
2. Verificar se há informações claras sobre tempo de armazenamento, localização dos servidores e possibilidade de exclusão posterior dos dados.
3. Entender se os vídeos poderão ser compartilhados com terceiros e para quais tipos de projeto ou setor.
4. Avaliar se há mecanismos de anonimização robustos e se é permitido cobrir ou desfocar elementos sensíveis do ambiente.
5. Refletir se o valor pago compensa, de fato, a exposição da sua casa, da sua rotina e das pessoas ao seu redor.
Também é prudente adotar medidas práticas de redução de risco, caso a pessoa ainda assim decida participar: evitar filmar documentos, telas de computador ou TV com informações sensíveis, fotografias em destaque, placas de veículos, rotas de entrada e saída da residência; retirar ou cobrir objetos que revelem dados de crianças; limitar o tempo de gravação e evitar registrar áreas mais vulneráveis da casa, como locais onde são guardados bens de maior valor.
Por outro lado, é legítimo questionar se esse tipo de modelo de negócio deveria depender unicamente da lógica do “aceita quem quer”. Quando assimetrias de informação e poder econômico são tão grandes, a responsabilidade não pode ser empurrada inteiramente para o indivíduo. Empresas que lidam com dados tão sensíveis precisam ser cobradas por transparência radical, governança de dados robusta e compromisso público com padrões éticos elevados – acima do mínimo legal.
A tecnologia em si não é vilã. Treinar robôs para realizar tarefas domésticas pode, no futuro, ajudar idosos, pessoas com deficiência, profissionais sobrecarregados e famílias sem rede de apoio. O problema é o caminho escolhido para viabilizar essa evolução. Se o custo for a transformação da intimidade em matéria-prima barata, coletada em massa de populações vulneráveis, a conta social pode sair muito mais alta do que qualquer benefício prometido.
No fim, a pergunta que fica não é apenas “o quão seguro é gravar vídeos da sua rotina?”. A questão central é: estamos dispostos a trocar fragmentos da nossa privacidade mais íntima por alguns dólares, apostando que empresas espalhadas pelo mundo cuidarão desses dados com o zelo que eles exigem? Enquanto essa resposta não for acompanhada de garantias sólidas, fiscalização efetiva e ética aplicada desde o design do produto, toda “oportunidade” desse tipo precisa ser encara com cautela redobrada.
A verdadeira inovação não é aquela que simplesmente coleta o máximo possível de dados, mas a que respeita limites, reconhece a dignidade do indivíduo e entende que a casa de alguém não é apenas um cenário neutro: é um espaço de vida, afeto e vulnerabilidade. Quando isso é ignorado, projetos tecnicamente brilhantes podem se transformar, na prática, em grandes riscos disfarçados de progresso.