Os empregadores estão usando seus dados pessoais para descobrir o salário mais baixo que você aceitará

Empregadores estão usando seus dados pessoais para determinar o salário mais baixo que você aceitará
Genna Contino
9 minutos de leitura
Você provavelmente já sentiu a picada digital do “precificação de vigilância”. Pode parecer um voo anunciar um pacote de tarifas específicas porque os dados de lealdade do cliente sugerem que eles provavelmente o comprarão, ou um site cobrar mais por fórmula para bebês porque um algoritmo detectou a desesperança de um novo pai.
Estamos vivendo em um mundo onde seu histórico de compras, velocidade de navegação e até mesmo seu código postal ditam cada vez mais o custo de sua vida. E à medida que as empresas ficam melhores em coletar e analisar dados pessoais, elas não estão apenas mirando no dinheiro que sai do seu bolso — elas também estão controlando quanto entra.
Especialistas descrevem os “salários de vigilância” como um sistema em que os salários são baseados não no desempenho ou antiguidade de um funcionário, mas em fórmulas que usam seus dados pessoais, frequentemente coletados sem o conhecimento dos funcionários.
As empresas já tentam fazer com que novos contratados aceitem a oferta de salário mais baixa possível. Mas enquanto isso costumava significar avaliar a experiência e as credenciais de um candidato em relação à taxa de mercado corrente, isso cada vez mais significa alimentar os dados pessoais do candidato em um algoritmo.
De acordo com Nina DiSalvo, diretora de políticas do grupo de defesa do trabalho Towards Justice, alguns sistemas usam sinais associados à vulnerabilidade financeira — incluindo dados sobre se um candidato potencial contraiu um empréstimo com juros altos ou tem um saldo alto em um cartão de crédito — para inferir o menor salário que um candidato pode aceitar. As empresas também podem raspar as páginas pessoais de mídia social públicas dos candidatos para determinar se eles são mais propensos a se juntar a um sindicato ou podem engravidar. Os dados podem ser usados para determinar aumentos salariais após a contratação de um funcionário, e a prática pode se desviar da discriminação, dizem os especialistas.
“Se você é uma empresa que está mexendo com esses tipos de práticas em relação aos consumidores, você está observando como elas funcionam”, disse Lindsay Owens, diretora executiva do Groundwork Collaborative, um think tank progressista. “Os trabalhadores também são consumidores. Se isso funciona com os consumidores, funciona com os trabalhadores. É a mesma psicologia.”
Uma auditoria inédita de 500 empresas de inteligência artificial de gestão e trabalhadores, conduzida por Veena Dubal, professora de direito na Universidade da Califórnia, Irvine, e Wilneida Negrón, estrategista de tecnologia, descobriu que empregadores nos setores de saúde, atendimento ao cliente, logística e varejo são clientes de fornecedores cujas ferramentas são projetadas para permitir essa prática. Publicado pelo Washington Center for Equitable Growth, um think tank econômico progressista, o relatório de agosto de 2025 identificou grandes empregadores dos EUA como entre esses clientes, incluindo Intuit INTU, Salesforce CRM, Colgate-Palmolive CL, Amwell AMWL e Healthcare Services Group HCSG.
O relatório não afirma que todos os empregadores que usam esses sistemas estão envolvidos em vigilância salarial algorítmica. Em vez disso, ele adverte que o uso crescente de ferramentas algorítmicas para analisar os dados pessoais dos trabalhadores pode permitir práticas de pagamento que priorizam a redução de custos em vez da transparência ou da justiça.
Thomas DiPiazza, diretor de comunicações corporativas da Colgate-Palmolive, disse que a empresa “não usa ferramentas de definição de remuneração algorítmica para tomar decisões sobre a remuneração de seus funcionários ou para definir salários de novos contratados”.
A Intuit diz “não se envolver em tais práticas”, informou um porta-voz da empresa para o MarketWatch.
As outras empresas mencionadas no relatório não responderam às solicitações de comentários do MarketWatch.
A vigilância salarial não se limita à fase de contratação — ela segue os trabalhadores no emprego também.
Os fornecedores que oferecem esses serviços também oferecem ferramentas projetadas para definir remuneração de bônus ou incentivo, de acordo com o relatório. Essas ferramentas rastreiam sua produtividade, interações com clientes e comportamento em tempo real — incluindo, em alguns casos, vigilância de áudio e vídeo no local de trabalho. Quase 70% das empresas com mais de 500 funcionários já estavam usando sistemas de monitoramento de funcionários em 2022, como software que monitora a atividade do computador, de acordo com uma pesquisa da International Data Corporation.
“Os dados que eles têm sobre você podem permitir que um sistema de decisão algorítmica faça suposições sobre quanto incentivo, do que tamanho de incentivo, eles precisam dar a um trabalhador específico para gerar a resposta comportamental que eles buscam”, disse DiSalvo.
“Julgando nossa taxa de desespero”
Um dos exemplos mais claros de definição de salário baseada em vigilância aparece no atendimento de saúde sob demanda. Um relatório elaborado pelo Roosevelt Institute, um think tank de orientação liberal, foi baseado em entrevistas com 29 enfermeiras temporárias e descobriu que as plataformas de agendamento que as enfermeiras temporárias usam para se inscrever em turnos, incluindo CareRev, Clipboard Health, ShiftKey e ShiftMed, usam rotineiramente algoritmos para definir o pagamento para turnos individuais.
ShiftKey negou estar envolvido em definição de salário de vigilância quando contatado pelo MarketWatch para comentar. “ShiftKey não usa serviços de agregadores de dados ou se envolve em nenhuma definição de salário de vigilância”, disse Regan Parker, a diretora jurídica e de assuntos públicos da empresa. Parker discordou especificamente de alegações do relatório do Roosevelt Institute de que sua plataforma usa dados sobre o nível de dívida dos trabalhadores para determinar o pagamento, afirmando que ShiftKey não usa dados de cartão de crédito ou outros dados de dívida para definir salários e não poderia falar sobre as práticas de outras plataformas.
CareRev, Clipboard Health e ShiftMed não responderam às solicitações de comentários.
Em vez de oferecer um salário fixo, as plataformas ajustam o pagamento com base no que sabem sobre cada trabalhador — incluindo com que frequência uma enfermeira aceita turnos, com que rapidez ela responde às postagens e qual pagamento ela aceitou no passado, de acordo com o relatório do Roosevelt Institute. As enfermeiras entrevistadas para o relatório disseram que isso frequentemente resultava em enfermeiras sendo pagas quantias diferentes pelo mesmo trabalho, mesmo dentro da mesma instalação.
Os críticos argumentam que o sistema recompensa os trabalhadores não por habilidade ou experiência, mas por o que seu comportamento revela sobre sua vulnerabilidade financeira. Esses sistemas “podem determinar o pagamento com base no que a empresa sabe sobre quanto uma enfermeira estava disposta a aceitar em uma atribuição anterior”, escreveu no relatório os autores, prendendo-os a faixas salariais mais baixas ao longo do tempo.
De acordo com Rideshare Drivers United, a união que representa motoristas de carros de aplicativo, algoritmos de pagamento têm moldado o pagamento para os trabalhadores da indústria há anos. Ben Valdez, um motorista de carros de aplicativo sediado em Los Angeles, disse que depois que Uber UBER e Lyft LYFT implementaram novos algoritmos de pagamento há alguns anos, sua renda diminuiu — mesmo com a recuperação da demanda pós-pandemia. Comparando notas com outros motoristas, Valdez disse que ele viu diferentes motoristas serem oferecidos tarifas básicas diferentes para a mesma viagem no mesmo momento.
Valdez disse que os motoristas são inicialmente mostrados uma taxa de aceitar ou recusar, que só aumenta depois que um número suficiente de motoristas a rejeita. Como a taxa inicial é definida é opaco. “Por que um motorista recebe uma taxa mais alta e diferente é desconhecido”, disse ele.
Isso é intencional, de acordo com Zephyr Teachout, professora de direito da Fordham University. Em um relatório de 2023, Teachout escreveu que o Uber “usa perfis de motoristas ricos em dados para combinar a remuneração com os incentivos individuais do motorista e as necessidades da plataforma”, citando pesquisas anteriores de Dubal e relatórios da The Markup.
O Uber disse em um e-mail para o MarketWatch que suas tarifas iniciais são baseadas em tempo, distância e condições de demanda e que seus algoritmos não usam características individuais do motorista ou comportamento passado para determinar o pagamento. A associação do setor de carros de aplicativo Flex, que respondeu após o MarketWatch entrar em contato com o Lyft para comentar, disse em um comunicado que as tecnologias orientadas por dados “ajudam a processar dados em tempo real e históricos para ajudar a combinar trabalhadores com uma entrega ou viagem que representa o uso mais eficiente de seu tempo, o que, por sua vez, permite que eles gastem mais tempo ganhando”.
Os defensores dos trabalhadores permanecem céticos. “Está julgando nossa taxa de desespero”, disse Nicole Moore, presidente de Rideshare Drivers United.
Alguns legisladores estão prestando atenção
Os críticos da vigilância salarial argumentam que a prática pode levar à discriminação no local de trabalho, permitindo que os empregadores contornem os salários baseados em mérito. Como esses algoritmos são projetados para encontrar o salário mínimo que uma pessoa está disposta a aceitar com base em seu histórico financeiro e em outros fatores, eles podem desproporcionalmente visar os trabalhadores mais vulneráveis financeiramente.
Isso cria um ciclo em que as escolhas econômicas passadas de uma pessoa ou circunstâncias pessoais são usadas para justificar um pagamento menor no presente, muitas vezes sem que o empregado saiba quais dados foram usados contra ele.
“Sabemos do teto de vidro. Mas pelo menos nesse conceito, temos alguma visibilidade através desse teto de vidro. Temos uma sensação do que esse mundo é. Podemos quebrá-lo se fizermos as coisas certas e mobilizarmos”, disse Joe Hudicka, o autor de um livro chamado “The AI Ecosystems Revolution”. “Esse teto de salário de vigilância — é de ferro. É concreto. É algo que é impermeável.”
Legisladores têm sido mais lentos em abordar os salários de vigilância do que a vigilância de preços. O estado de Nova York recentemente aprovou uma regra exigindo que as empresas divulguem aos consumidores quando seus preços são definidos com algoritmos que usam seus dados pessoais — mas a maioria das leis ao redor do país está apenas olhando para os preços, não para os salários.
O Colorado está tentando ir mais longe. Um projeto de lei introduzido na Assembleia Legislativa do estado, intitulado Prohibit Surveillance Data to Set Prices and Wages Act, proibiria as empresas de usar dados pessoais íntimos — como histórico de empréstimos com juros altos, dados de localização ou pesquisas no Google GOOG — para definir algoritmicamente o que alguém é pago. O projeto de lei estabelece exceções para salários baseados em desempenho, significando que os empregadores ainda podem vincular o pagamento a métricas mensuráveis de produtividade.
O representante Javier Mabrey, um democrata que patrocina o projeto de lei, traça uma linha clara entre o preço dinâmico — onde os custos mudam com base em condições de mercado amplas — e o que ele argumenta que esses sistemas realmente fazem. “O que nosso projeto de lei é sobre é o estabelecimento de preços individualizado, que é distinto do preço dinâmico”, disse ele. “Ele exige que a empresa retire alguns dados pessoais muito relacionados a você, não oferta e demanda. ”
Para os salários de vigilância especificamente, o projeto de lei proibiria as empresas de usar dados pessoais dos trabalhadores — sem seu consentimento — para determinar o que eles são pagos. Uber e Lyft negaram estar usando características individuais do motorista para definir salários, mas Mabrey disse que ambas as empresas estão lobbyando contra o projeto de lei. “Qual é o problema de codificar em lei que você não é permitido?”, ele disse.