Olga Megorskaya, Fundadora e CEO da Toloka – Série de Entrevistas

Olga Megorskaya, fundadora e CEO da Toloka, lidera a empresa desde 2020, direcionando-a desde suas origens em rotulagem de multidão até se tornar uma grande empresa de serviços de dados de IA. Antes de fundar e liderar a Toloka, ela passou mais de uma década na Yandex, culminando em um papel como Chefe de Crowdsourcing e Plataformas, onde construiu e escalou infraestrutura de rotulagem de dados de crowdsourcing para produtos de aprendizado de máquina, incluindo busca, voz, fala, veículos autônomos, moderação de conteúdo e muito mais. Sob sua liderança na Toloka, a empresa se posicionou como uma parceira global de dados para IA — combinando tecnologia de aprendizado de máquina com expertise humana para apoiar treinamento, avaliação e segurança para grandes modelos e agentes de IA.

Toloka é uma empresa com sede na Holanda, sediada em Amsterdã, que fornece dados de alta qualidade e cuidadosamente curados para o desenvolvimento de IA, variando desde anotação e rotulagem até conjuntos de dados personalizados para ajuste fino supervisionado (SFT) e aprendizado por reforço com feedback humano (RLHF). A empresa apoia uma ampla variedade de modalidades — texto, imagem, áudio, vídeo — e envolve especialistas de domínio ao lado de uma multidão global para entregar conjuntos de dados escaláveis e precisos para treinamento e avaliação de agentes de IA avançados e grandes modelos de linguagem. Seus serviços ajudam a melhorar capacidades como raciocínio, compreensão multilíngue, geração de imagem/áudio e segurança de IA em várias indústrias e aplicações.

Você passou anos construindo sistemas humanos no loop na Yandex antes de co-fundar a Toloka em 2020. Qual foi o momento que a convenceu de que isso precisava se tornar uma empresa própria, e como essa experiência moldou sua visão para o papel da Toloka no desenvolvimento de IA?

Em um determinado momento, percebemos que a Toloka havia crescido além de sua empresa de origem. Pesquisadores de IA de todo o mundo estavam usando a plataforma, e reconhecemos que a empresa poderia alcançar mais como uma entidade independente. Consequentemente, a Toloka pôde confiar na experiência cumulativa de centenas de equipes de IA coletando dados de treinamento para o espectro completo de soluções de IA — desde busca na web e assistentes de voz até chatbots de IA e agentes de IA. Desde então, combinamos nossa expertise em gerenciar esforços humanos com a construção e treinamento de agentes de IA para criar nosso novo produto, Tendem.

Você disse que a verdadeira disruptura à frente não virá de agentes completamente autônomos. O que a levou a concluir que agentes híbridos — combinando automação de IA com julgamento humano — são o modelo que eventualmente vencerá?

Embora eu acredite que soluções de IA apenas em muitas áreas logo atingirão um nível de qualidade incrível para satisfazer completamente as necessidades dos clientes, sempre haverá uma longa cauda de casos de uso que os modelos básicos nunca serão otimizados. É aí que a abordagem híbrida superará tanto as soluções de IA apenas quanto as soluções humanas apenas para o futuro previsível. Já vimos o mesmo padrão se repetir repetidamente ao longo da última década: a IA pode escalar tarefas de forma bonita, mas luta com nuances, contexto e os tipos de decisões judiciais que importam em configurações de negócios reais. Os profissionais querem velocidade, mas também precisam de confiabilidade — os agentes completamente autônomos simplesmente não podem garantir isso hoje. Os sistemas híbridos vencem porque resolvem ambos os lados da equação. A IA lida com o que é melhor: velocidade, estrutura e repetibilidade. A expertise humana preenche as lacunas: ambiguidade, casos de bordo e interpretação. Quando você combina os dois de forma nativa, obtém um fluxo de trabalho que é rápido e confiável. Esse é o modelo que os profissionais eventualmente confiarão.

Você observou que a IA quebra em ambiguidade e raciocínio de vários documentos. Quais tipos de tarefas revelam essas limitações mais claramente?

Tarefas de longo horizonte — aquelas que exigem sintetizar várias fontes, reconciliar informações conflitantes ou interpretar contexto, e que levariam horas ou até dias para os humanos concluir — tendem a expor os limites atuais da IA. Exemplos incluem pesquisa de mercado, análise competitiva, resumo de documentos de longa forma, criação de conteúdo original a partir de entradas mistas ou extração de insights que dependem de nuances humanas versus reconhecimento de padrões. A IA é excelente em produzir uma primeira versão. Mas no momento em que uma tarefa exige priorização, julgamento ou reconciliação de ambiguidade, a confiabilidade cai abruptamente. É aí que os especialistas humanos são essenciais.

Muitos profissionais usam IA, mas ainda não confiam completamente nela. Como sua abordagem reconstrói a confiança na delegação de trabalho real a sistemas auxiliados por IA?

A confiança melhora quando as pessoas param de ter que consertar a saída da IA. Nossa abordagem reconstrói a confiança integrando humanos no fluxo de trabalho desde o início, não como um caminho de escalada quando a IA falha. Cada tarefa no Tendem flui por um gerente de projeto de IA que decide o que deve ser automatizado e o que requer expertise humana. Depois disso, verificações automatizadas e QA humanas garantem que a saída final seja precisa, completa e pronta para negócios. Para os profissionais, isso significa que eles podem delegar trabalho e realmente esperar um resultado verificado, não um rascunho que precisam reparar.

Quais mecanismos garantem que os especialistas humanos no loop mantenham uma saída de alta qualidade sem desacelerar o fluxo de trabalho?

Dois fatores tornam isso possível:

• Especialização em escala. Especialistas na rede do Tendem são pré-vetados, treinados e combinados com base em expertise de domínio. Eles não são freelancers gerais tentando se adaptar ao voo — eles já são qualificados para tipos específicos de tarefas.
• QA em camadas e roteamento inteligente. A IA lida com os passos básicos para que os especialistas humanos se concentrem apenas nas partes que exigem julgamento. Em seguida, há uma segunda camada de QA automatizada e verificação humana quando necessário. Isso mantém os humanos engajados onde eles adicionam mais valor, não onde criam gargalos.

O resultado é velocidade que rivaliza com a automação, com precisão que rivaliza com a revisão de especialistas.

Em indústrias que exigem precisão e conformidade, como os sistemas híbridos podem oferecer verificabilidade e auditoria que as empresas podem confiar?

Os sistemas híbridos permitem inherentemente auditoria porque cada etapa do fluxo de trabalho é rastreada, atribuída e verificada. Você sabe quais partes foram automatizadas, quais foram realizadas por especialistas qualificados e quais etapas de QA validaram a saída. Em indústrias altamente regulamentadas, esse processo se torna essencial. Você não está mais confiando em uma decisão de IA em uma caixa preta; você tem uma cadeia verificável de julgamento, correções e aprovações. É isso que torna os sistemas híbridos adequados para domínios onde a precisão e a conformidade não podem ser opcionais.

Quais categorias de trabalho de conhecimento você espera que mudem para agentes híbridos primeiro, e quais serão as mais lentas para adotar esse modelo?

No geral, acredito que a abordagem híbrida é muito mais fácil de adotar do que uma abordagem de IA apenas, então antecipamos que quase qualquer domínio possa ser coberto com esse modelo — a diferença será apenas na proporção de IA versus envolvimento humano. Os primeiros adotantes são papéis onde velocidade e precisão importam, mas o trabalho ainda é altamente repetitivo. Já estamos vendo uma forte demanda de consultoria, marketing, operações de vendas, pesquisa e criação de conteúdo. As áreas mais complexas (e provavelmente as mais interessantes) para resolver são aquelas mais próximas do mundo físico, como arquitetura e construção. Mas vejo um caminho tecnológico claro para chegar lá também.

Do ponto de vista operacional, como as organizações se beneficiam ao mudar do trabalho gerenciado por freelancers para agentes híbridos?

Os agentes híbridos eliminam duas das maiores ineficiências no trabalho gerenciado por freelancers: sobrecarga de gestão e qualidade inconsistente. As organizações e profissionais não precisam mais recrutar, verificar, orientar, gerenciar ou corrigir freelancers. O agente híbrido lida com a orquestração do fluxo de trabalho automaticamente, atribuindo a combinação certa de IA e expertise humana para cada etapa. Isso reduz o tempo de espera, padroniza a qualidade da saída e escala o trabalho sem escalar a força de trabalho. Em resumo: você obtém a velocidade da automação com a confiabilidade de uma equipe de especialistas, mas sem gerenciar nenhum dos dois.

À medida que os sistemas híbridos ganham tração no mainstream, qual impacto você espera que essa mudança tenha na economia de freelance e no setor de bicos em geral?

Acreditamos que isso redefinirá a economia de freelance, não a substituirá. Em vez de freelancers gastarem tempo em tarefas de baixo nível e repetitivas, eles podem se conectar a sistemas híbridos como especialistas em domínios específicos. O trabalho se torna mais estruturado: de maior valor, mais previsível e mais estável. Em vez de perseguir projetos inconsistentes, os especialistas podem contribuir em escala por meio de plataformas como o Tendem, onde suas habilidades são combinadas com as tarefas certas e apoiadas por sistemas de IA que removem o trabalho burocrático.

Olhando para os próximos anos, como será a “delegação à IA” uma vez que os agentes híbridos se tornem padrão em todo o trabalho digital?

A delegação parecerá menos “usar uma ferramenta” e mais como entregar o trabalho a uma equipe capaz. Você descreverá o resultado desejado, e o agente híbrido o quebrará, roteará subtarefas, aplicará a combinação certa de IA e expertise humana, verificará os resultados e entregará um produto finalizado — tudo dentro de horas. A mudança será de usar a IA como um assistente de rascunho para confiar na IA como um gerente de projeto que supervisiona todo o fluxo de trabalho. É quando a delegação real acontece: quando os profissionais podem confiar no sistema para entregar a saída final, não apenas um ponto de partida.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Toloka.