Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets

No mundo do trabalho, existe uma crença de longa data de que as pessoas decidem aceitar um emprego com base em um número único e fixo: um salário mínimo que elas não aceitarão. Se uma oferta estiver acima dessa linha, elas dizem sim; se estiver abaixo, dizem não. Essa ideia funciona bem para empregos tradicionais, onde um trabalhador pode esperar semanas pela oportunidade certa. Mas ela falha na moderna "economia gig" (ou economia de tarefas), onde as pessoas aceitam ou rejeitam tarefas de curto prazo a cada minuto. Nesses mercados de movimento rápido, a decisão de um trabalhador raramente é sobre um único número. É sobre o seu histórico. Um trabalhador que aceitou recentemente muitos turnos de baixa remuneração pode rejeitar uma oferta ligeiramente superior que teria aceitado um mês atrás. Por outro lado, um trabalhador que recebeu pagamentos altos recentemente pode rejeitar uma oferta padrão que seria aceitável ontem. Sua disposição para trabalhar depende de onde ele esteve, não apenas de onde está. Esse fenômeno, onde o passado molda o presente de uma forma que resiste a mudanças simples, é conhecido como histerese. Compreender isso é crucial para as plataformas que conectam trabalhadores a tarefas, porque se elas tratarem os trabalhadores como se tivessem etiquetas de preço fixas, errarão ao calcular quanto pagar, desperdiçando dinheiro em turnos que seriam aceitos por menos, ou perdendo turnos ao oferecer pouco a trabalhadores que já foram condicionados a esperar mais.

Uma equipe de pesquisadores desenvolveu uma nova maneira de mapear esses padrões invisíveis de tomada de decisão usando um modelo originalmente projetado para estudar ímãs. Na física, um ímã não responde apenas ao campo magnético atual; ele lembra como foi magnetizado no passado. Para descrever isso, cientistas usam uma estrutura chamada modelo de Preisach, que imagina um material como uma coleção de minúsculos interruptores, cada um com seus próprios limiares de "ligado" e "desligado". Os pesquisadores perceberam que uma força de trabalho se comporta exatamente da mesma forma. Cada trabalhador é como um pequeno interruptor com dois limiares: um preço alto o suficiente para fazê-lo aceitar uma tarefa e um preço inferior no qual ele finalmente desistirá e rejeitará. Entre esses dois pontos, existe uma zona de indecisão onde a escolha do trabalhador depende inteiramente do que ele fez da última vez. Se ele aceitou por último, ele permanece no modo "aceitar" até que o preço caia abaixo de seu limiar inferior. Se ele rejeitou por último, ele permanece no modo "rejeitar" até que o preço suba acima de seu limiar superior. Isso cria um atraso, ou uma memória, no mercado que os modelos econômicos padrão ignoram completamente.

Para testar essa ideia, os pesquisadores analisaram quase 37.000 transações reais de uma plataforma de gig na Polônia. Eles não tentaram adivinhar o limite de preço específico para cada trabalhador, o que seria impossível com os dados que possuíam. Em vez disso, construíram um sistema de duas etapas para aprender a forma da memória do mercado. Primeiro, usaram um programa de computador para estimar duas "superfícies de utilidade" distintas. Uma superfície previa a satisfação média dos trabalhadores que aceitaram uma tarefa, e a outra previa a satisfação média daqueles que a rejeitaram. Ao comparar essas duas superfícies, o sistema pôde calcular a "lacuna" entre elas. Essa lacuna representa o tamanho da zona de indiferença — a faixa de preços onde o histórico do trabalhador, e não a oferta atual, decide o resultado. Os pesquisadores então inseriram essa lacuna, juntamente com a comparação do preço atual com esses limiares estimados, em um segundo programa de computador projetado para prever se uma nova tarefa seria aceita.

Os resultados revelaram um mercado muito mais complexo e responsivo do que se pensava anteriormente. As descobertas do modelo são consistentes com a previsão de que as mudanças de preço não afetam os trabalhadores de forma simétrica: uma queda nos salários parece deprimir as taxas de aceitação mais do que um aumento equivalente ajuda a aumentá-las. Esta é a assinatura da histerese: uma vez que os trabalhadores foram condicionados a esperar salários mais baixos, é necessário um aumento muito maior para reconquistá-los do que o necessário para perdê-los inicialmente. No entanto, como os dados de preço não foram gerados por um experimento randomizado, esse padrão é sugestivo em vez de definitivamente causal, pois os operadores tendiam a aumentar os preços especificamente em turnos difíceis que já haviam sido rejeitados. Mais surpreendente ainda, o modelo gerou um resultado economicamente paradoxal: aplicado ao conjunto de dados completo, as recomendações do modelo reduzem simultaneamente o custo total da mão de obra e aumentam o número de tarefas preenchidas. Os pesquisadores descobriram que, para cerca de 74% das transações, o salário atual já era tão alto que a tarefa seria aceita mesmo se o pagamento fosse cortado significativamente. Para essas tarefas, a plataforma estava simplesmente pagando demais. Ao reduzir o salário apenas o suficiente para permanecer acima do limiar de aceitação, a plataforma poderia economizar uma mediana de 31% naqueles trabalhos específicos sem perder um único trabalhador.

Para os 26% restantes das tarefas, a situação era o oposto. Os salários atuais eram baixos demais para atrair trabalhadores, mas não tão baixos que as tarefas fossem impossíveis de preencher. Estes eram os trabalhos presos no modo de "rejeição" do ciclo de histerese. Para essas tarefas específicas, o modelo recomendou um aumento salarial modesto, com uma elevação mediana de apenas 7%. Esse pequeno salto foi suficiente para empurrar a oferta acima do limiar superior do trabalhador, revertendo a decisão de rejeição para aceitação e recuperando tarefas que, de outra forma, ficariam sem preenchimento. O estudo mostrou que, ao compreender a estrutura de dois limiares nas decisões dos trabalhadores, uma plataforma pode tratar esses dois grupos de forma diferente ao mesmo tempo. Ela pode cortar custos onde há uma margem de segurança e aumentar o pagamento onde há uma barreira, alcançando uma redução de 21,3% nos salários totais enquanto aumenta a taxa de preenchimento em quase 10 pontos percentuais.

Os pesquisadores também descobriram que o mercado não é uma multidão única e uniforme. Quando visualizaram os dados, dois grupos distintos de trabalhadores emergiram. Um grupo, composto principalmente por turnos de varejo e hospitalidade, tinha limiares de preço baixos e agrupados de forma densa. O outro grupo, lidando com tarefas especializadas, tinha limiares muito mais altos e uma gama mais ampla de expectativas. Um modelo que trata todos os trabalhadores como iguais fundiria esses grupos e falharia em ver as necessidades específicas de cada um. A nova abordagem, ao mapear a relação entre a oferta atual e os limiares históricos do trabalhador, permitiu que o sistema visse essas diferenças claramente. Mostrou que a chave para prever o comportamento do trabalhador não é conhecer o preço absoluto de uma tarefa, mas saber onde esse preço se situa em relação ao histórico pessoal do trabalhador.

Este trabalho sugere que a antiga ideia de um único "salário de reserva" é insuficiente para a economia gig. Os trabalhadores não têm apenas um preço mínimo; eles têm uma memória. Suas decisões são moldadas por um caminho de ofertas passadas, criando uma zona de inércia onde pequenas mudanças no pagamento não têm efeito. O estudo demonstra que, ao reconhecer essa memória e modelar a lacuna entre os limiares de aceitação e rejeição, as plataformas podem tomar decisões mais inteligentes e eficientes. Elas podem parar de pagar demais por tarefas que já são fáceis de preencher e parar de pagar pouco por tarefas que estão apenas fora de alcance. As descobertas oferecem uma nova maneira de pensar sobre os mercados de trabalho, uma que respeita a complexidade da tomada de decisão humana e o poder da história na formação de nossas escolhas econômicas.