Ele fingiu ser um chatbot por quatro dias. O que quebrou não foi a inteligência. Foi a atenção.
Tucker Bryant pagou US$ 6.000 por mês num outdoor escondido atrás de umas árvores em São Francisco para anunciar uma IA que era ele digitando. Chegou a mil mensagens por dia e colapsou.
Ele fingiu ser um chatbot por quatro dias. O que quebrou não foi a inteligência. Foi a atenção.
Tucker Bryant pagou US$ 6.000 por mês num outdoor escondido atrás de umas árvores em São Francisco para anunciar uma IA que era ele digitando. Chegou a mil mensagens por dia e colapsou. Fazendo a conta, custaria entre US$ 1 e US$ 10 por dia rodar o mesmo volume num modelo. O experimento não foi sobre IA. Foi sobre o preço de mercado de alguém prestar atenção em você.
Todo mundo cobriu isso como piada, e é uma piada boa.
Um cara de Stanford, ex-Google, agora artista, montou o ChatTJB. Interface de chatbot, estética de produto de IA, outdoor em São Francisco. Só que atrás da caixinha de texto não tem modelo nenhum. Tem ele, digitando, uma pessoa por vez. A página “sobre” chama de “inteligência artesanal, feita à mão por um único ser humano”.
Em 27 de julho o outdoor subiu. Nos primeiros dias, algumas dezenas de mensagens. Depois a foto circulou na internet e chegou a mil mensagens por dia.
“Eu estava respondendo a todas elas”, disse ele à Futurism. “Depois disso, a situação saiu do meu controle.”
Ele resistiu poucos dias.
Agora faça a conta que ninguém fez.
A aritmética que transforma a piada em diagnóstico
Mil mensagens por dia. Vamos supor uma troca média de mil tokens de entrada e quinhentos de saída, o que é generoso para conversa curta. Dá 1,5 milhão de tokens por dia.
Num modelo de fronteira caro, com preços na casa de US$ 3 por milhão na entrada e US$ 15 por milhão na saída, isso sai por volta de US$ 10 por dia. Num modelo pequeno e barato, fica abaixo de US$ 1 por dia.
A conta é minha, com premissas declaradas, e serve como ordem de grandeza, não como precisão contábil.
Agora compare com o que ele pagou.
O outdoor custou US$ 6.000 por mês, sem contar taxas. Nas palavras dele, “menos do que a maioria dos carros usados com menos de 240 mil quilômetros, mas ainda assim um valor muito irresponsável”. E ficava escondido atrás de árvores, invisível para quem vinha na direção contrária, legível apenas se você estacionasse embaixo.
Ou seja: anunciar o serviço custou entre vinte e duzentas vezes mais do que custaria operá-lo com uma máquina.
E operá-lo com um humano custou uma pessoa inteira, em quatro dias.
Essa é a única métrica que importa nessa história, e ela não aparece em nenhum relatório de consultoria.
O insumo escasso nunca foi a inteligência.
Foi a atenção.
E o mercado precifica atenção em aproximadamente zero quando ela vem de uma máquina, e em “um sujeito entra em colapso numa semana” quando ela vem de uma pessoa.
O estudo que estava escondido dentro de uma matéria leve
Bryant conta que a ideia nasceu quando a companheira dele apresentou o termo rendição cognitiva.
O termo não é dele nem é retórica. Vem de um estudo da Wharton, na Universidade da Pensilvânia, assinado por Steven Shaw e Gideon Nave, com título “Thinking, Fast, Slow, and Artificial”. 1.372 participantes e mais de 9.000 experimentos.
Os números são estes:
Quando o chatbot dava a resposta correta, a precisão dos participantes ficava em 71%.
Quando o chatbot dava a resposta errada, a precisão despencava para 31%.
E os participantes que usaram IA relataram confiança 11,7% maior do que os que trabalharam sozinhos.
Leia a segunda e a terceira linha juntas, porque é aí que mora o problema.
Trinta e um por cento é pior do que sozinho. A IA errada não apenas deixou de ajudar. Ela piorou o desempenho abaixo da linha de base humana.
E fez isso enquanto aumentava a certeza de quem estava errando.
Os pesquisadores separam dois conceitos que a conversa pública mistura. Descarregamento cognitivo é usar calculadora para apoiar o próprio raciocínio. Rendição cognitiva é abrir mão do controle mental e adotar o julgamento do algoritmo como se fosse seu.
O primeiro é ferramenta. O segundo é substituição.
Existe ainda um segundo conjunto de dados na mesma direção, e vale a ressalva honesta antes de citar: o trabalho do MIT Media Lab intitulado “Your Brain on ChatGPT” usou EEG com 54 participantes, não passou por revisão por pares e tem amostra pequena. Feita a ressalva, o achado é difícil de ignorar. O grupo que escreveu com ChatGPT apresentou o menor engajamento neural e conseguia recordar cerca de 17% do próprio texto 24 horas depois, contra cerca de 46% de quem escreveu sozinho.
Dezessete por cento do texto que a pessoa acabou de assinar.
Não é que a máquina escreveu por você. É que você não estava lá quando aconteceu.
O que ele descobriu sem querer, e é o oposto do que ele queria provar
Bryant montou aquilo como sátira. Queria que a experiência fosse ruim de propósito, desajeitada, inconveniente, para que você lembrasse dela na próxima vez que um modelo respondesse sua dúvida de imposto com autoridade fabricada. As palavras dele: que você lembre “da vez em que o ChatTJB respondeu à sua pergunta sobre impostos com um haicai sobre corvos”.
Não foi isso que aconteceu.
O que aconteceu foi que as pessoas descobriram que tinha gente do outro lado e começaram a levar coisa de verdade.
Uma delas escreveu, alguns dias depois de começar: “Estou na primeira noite da minha lua de mel e não me sinto relaxado, tudo bem?”
Bryant respondeu como amigo. Reconheceu que o casamento tinha acabado de acontecer, que o sistema nervoso da pessoa provavelmente ainda não tinha estabilizado depois do pico, e perguntou se ela pensava em conversar com o cônjuge sobre aquilo.
E os usuários passaram a mandar lembretes para ele beber água e fazer pausas.
Pare nisso um segundo, porque é a parte mais reveladora da história inteira e ninguém escreveu sobre ela.
A indústria está gastando centenas de bilhões de dólares para fazer uma máquina parecer gente.
Esse cara gastou seis mil dólares para fazer uma pessoa parecer máquina.
E o público apareceu pela pessoa.
A interface era o chatbot. O valor era o humano. São coisas diferentes, e a indústria inteira aposta que são a mesma.
E os dados dizem que o cara da lua de mel não é exceção. É o usuário mediano.
Aqui está o dado que fecha o argumento e que quase nunca aparece em texto sobre produtividade.
No levantamento anual sobre uso de IA generativa publicado pela Harvard Business Review, o caso de uso número um em 2025 foi terapia e companhia. Ele representa cerca de 31% do uso, quase o dobro dos 17% de 2024, e passou de segundo para primeiro lugar. Programar aparece em quinto.
Ou seja: a aplicação mais popular da tecnologia é exatamente aquela em que a coisa pedida não é informação.
É presença.
Pessoas estão processando luto, solidão e ansiedade com um sistema que não tem, e não pode ter, a única propriedade que faz a conversa funcionar: alguém do outro lado que se importa com o resultado.
Não estou dizendo que isso não ajuda ninguém. Ajuda, e é grátis, e está disponível às três da manhã, e para muita gente é a única porta aberta. Esse argumento é real e desonesto ignorar.
Estou dizendo que o ChatTJB não foi uma sátira do produto.
Foi, sem querer, o grupo de controle do experimento que a indústria nunca roda.
E o grupo de controle quebrou em quatro dias, porque atender mil pessoas com atenção real é fisicamente impossível.
A conclusão desconfortável é que a máquina não venceu por ser melhor. Venceu por ser a única coisa que escala.
A parte trabalhista que ninguém comentou
Mais de mil pessoas se ofereceram para moderar e responder de graça.
Repare no que isso é.
É exatamente a estrutura de toda plataforma de conteúdo dos últimos vinte anos: trabalho humano não remunerado, embrulhado numa interface de produto, gerando valor para quem controla a interface. Wikipedia, Reddit, fóruns, moderação de rede social. A diferença é que aqui apareceu em quatro dias e sem ninguém planejar.
E existe uma ironia final que merece registro.
Bryant disse que vai devagar. Que prefere que as pessoas esperem muito tempo pela resposta a abrir as portas para qualquer um. Que está testando ferramentas de moderação com poucos voluntários aprovados. Que se não funcionar, dá um passo atrás ou pausa o projeto, porque “não quero que ninguém corra perigo”.
Um artista com um outdoor de brincadeira implementou uma postura de confiança e segurança mais cautelosa do que boa parte das empresas de IA avaliadas em bilhões, que lançaram companheiros conversacionais para adolescentes e foram descobrir os problemas depois, no noticiário.
Cautela não custa capital. Custa disposição.
O Brasil já fez esse experimento ao contrário, e chamou de SAC
Aqui a história tem uma camada que só faz sentido para quem viveu no Brasil.
Bryant é uma pessoa fingindo ser uma máquina, por dias, como obra de arte.
O Brasil manteve, por três décadas, milhões de pessoas fingindo ser máquinas, por turno, como emprego.
O call center brasileiro foi construído exatamente sobre isso: script rígido, saudação padronizada, proibição de sair do roteiro, tempo médio de atendimento cronometrado, penalidade por improviso. Uma estrutura desenhada para extrair de um ser humano a previsibilidade de um sistema, e para punir precisamente aquilo que a pessoa tem de melhor, que é julgar o caso na frente dela.
Nós passamos trinta anos treinando gente para soar como máquina.
Agora estamos substituindo essa gente por máquinas treinadas para soar como gente.
E o setor de teleatendimento, um dos maiores empregadores formais do país e uma das principais portas de entrada no mercado de trabalho para jovem de periferia, é justamente o primeiro da fila da automação.
A piada do outdoor de São Francisco é, lida daqui, a nossa história do trabalho contada de trás para frente.
Quem ganha e quem perde
Ganham os fornecedores de modelo, porque o dado da HBR mostra que o uso número um da tecnologia é emocional, e demanda emocional não tem teto, não tem sazonalidade e não tem substituto óbvio.
Ganha quem entendeu que o produto escasso não é resposta, é atenção, e que atenção humana verificada vai virar categoria premium. Vale prever: em pouco tempo alguém vende “atendido por pessoa” como diferencial de luxo, do mesmo jeito que hoje se vende orgânico e artesanal.
Perde quem confundiu confiança com competência. Os 31% do estudo da Wharton são o preço disso, e ele é pago por quem seguiu o conselho, não por quem o gerou.
Perde o trabalhador de atendimento, que foi treinado durante décadas para ser previsível e agora vai ser dispensado exatamente por ser substituível naquilo em que foi obrigado a se especializar.
E perde, silenciosamente, a própria capacidade de duvidar. Que é a única coisa que o estudo da Wharton mediu de verdade e a única que ninguém está tentando escalar.
O que essa história realmente revela
Bryant disse que tem “tendência a se comprometer demais com as coisas”.
A frase parece autodepreciação e é, na verdade, o resumo do argumento.
Comprometer-se demais é o que uma pessoa faz e um sistema não faz. É ler a mensagem da lua de mel e perceber que a pergunta não é sobre relaxamento, é sobre medo. É lembrar da conversa anterior porque ela importou, não porque estava na janela de contexto.
Um modelo não se compromete demais. Ele não se compromete de jeito nenhum. Ele produz o token seguinte com autoridade idêntica quando está certo e quando está errado, e o estudo da Wharton mostra que a gente não sabe distinguir, e que fica mais confiante justamente quando deveria ficar menos.
Foi por isso que o outdoor estava escondido atrás das árvores e funcionou mesmo assim.
Ninguém apareceu ali pela resposta.
Apareceram porque, pela primeira vez em muito tempo, tinha alguém do outro lado.
E esse alguém aguentou quatro dias.
Três perguntas:
Quando um modelo te dá uma resposta que soa razoável, o que exatamente você faz para verificar, e quando foi a última vez que você fez isso de verdade?
Se o uso número um da IA generativa é terapia e companhia, estamos diante de um produto de tecnologia ou de um sintoma de escassez de outra coisa?
E aqui: o Brasil passou trinta anos obrigando pessoas a soar como máquinas no atendimento. Alguém vai perguntar o que acontece com elas agora, ou vamos chamar isso de eficiência e seguir em frente?
O Tech Gossip existe porque a manchete engraçada quase sempre esconde um número sério. Esse cara gastou US$ 6.000 para anunciar um serviço que custaria US$ 10 por dia para rodar numa máquina, e nesse intervalo está toda a economia da atenção. Se você quer ver a conta antes da piada, acompanhe em
#ChatTJB #InteligenciaArtificial #RendicaoCognitiva #Wharton #MITMediaLab #EconomiaDaAtencao #ChatGPT #SaudeMental #FuturoDoTrabalho #CallCenter #Automacao #ComportamentoDigital #Tecnologia #Inovacao #TechGossip