Um mini-documentário da repórter de trabalho de IA Karen Hao, publicado nesta semana pelo nonprofit More Perfect Union, trouxe à tona pesquisa de 2025 da Communication Workers of America mostrando que 22% dos trabalhadores que treinam sistemas de IA já viveram sem-teto por causa de seus salários. Um estudo paralelo do pesquisador do trabalho Tim Newman coloca o número de pressão de contas em 86% — ou seja, 86% dos data workers que Newman pesquisou lutaram para pagar contas no ano passado, e cerca de um quarto dependia de assistência pública como SNAP ou Medicaid. O centro nomeado do documentário é a Mercor, um marketplace online sediado em São Francisco que conecta contratantes com compradores de IA incluindo a OpenAI. A Mercor reporta uma força de trabalho de cerca de 30 000. O padrão recorrente que Hao documenta é o recrutamento de trabalhadores white-collar recém-deslocados para ensinar sistemas de IA a fazer seus antigos trabalhos — incluindo uma entrevistada, "Jen", uma PhD da Ivy League em food stamps que pegou um gig na Mercor a US$ 55/hora como "philosophy intelligence analyst" só para ter seu contrato encerrado por mensagem de grupo depois de duas semanas.
As estatísticas pedem enquadramento apropriado. A CWA é um sindicato com posição política; o número de 22% de sem-teto vem de pesquisa sindical pesquisando trabalhadores de treino de IA, não do BLS ou de um censo independente, e o lede não revela tamanho da amostra ou metodologia. O número de 86%-lutando-com-contas do Newman é similarmente dados de pesquisa auto-reportados sem coorte de comparação. Dito isso, Hao é uma repórter de IA crível (anteriormente na MIT Technology Review) cujo trabalho anterior sobre Sama, Scale AI e o pipeline africano de data labeling resistiu à checagem; o More Perfect Union é um nonprofit estabelecido focado em trabalho. O padrão da Mercor — pagamento gig, terminações súbitas de contrato, descrição de tarefa opaca, não-divulgação do comprador de IA — é consistente com padrões reportados antes em 2026 pela Wired (a peça de Ruth Fowler sobre roteiristas de Hollywood) e pela cobertura em curso das demissões de data labeling da Meta na Irlanda. O sinal direcional se mantém mesmo onde as estatísticas individuais pedem verificação.
A leitura ecossistêmica conecta fios que vêm se movendo em paralelo mas desconectados. A peça Anthropic-ultrapassa-OpenAI mais cedo hoje mostrava o mercado dos labs consolidando em dois ponteiros enterprise com distribuição pegajosa; este documentário do Hao mostra o piso de data-labor em cima do qual esses modelos treinam. Ambos são verdadeiros: a IA consolida no tier lab e se bifurca no tier trabalho — salários top-of-market de engenharia nos labs frontier, precariedade de gig-wage no tier de data labeling fornecendo RLHF, dados de preferência, e conjuntos de fine-tuning capacidade-específicos. A narrativa "IA é construída sobre trabalho barato" é um tema recorrente desde os trabalhadores de dados quenianos em 2022 reportando sobre treino de moderação do GPT sob contrato Sama; a nova forma em 2026 é que o trabalho barato agora também são PhDs da Ivy nos EUA, não só labelers terceirizados no exterior. Isso tem implicações políticas que builders devem esperar: interesse legislativo no nível estadual, possíveis campanhas de organização da CWA, e escrutínio de procurement sobre vendors de dados.
Para builders: se você compra data labeling ou dados de preferência via Mercor, Scale, Surge ou Invisible, a pergunta sobre práticas trabalhistas é agora carregada para a diligência de procurement — não preocupação ESG abstrata. Três coisas concretas para fazer: (1) pedir ao seu vendor pisos de compensação por trabalhador documentados e compromissos de estabilidade de contrato antes de assinar; (2) fatorar o risco reputacional na seleção de vendor — ao menos uma dessas empresas vai enfrentar uma história trabalhista de alto perfil nos próximos 12 meses; (3) esperar que a divulgação de práticas trabalhistas se torne parte do pacote padrão de compliance de vendor de dados, como o SOC 2 se tornou padrão para vendors cloud. A estatística da CWA pode ter caveats mas o padrão subjacente é real, e a atenção política vai compor. O documentário do Hao está no More Perfect Union; essa é a fonte primária a se observar antes que a cobertura secundária molde a narrativa.