Em circunstâncias normais, a maioria de nós não entraria no carro de um estranho, dormiria em seu quarto de hóspedes ou o convidaria para nossa casa. Mas, graças a plataformas como Uber, Airbnb e TaskRabbit, esses atos antes incomuns agora são rotineiros. Ao contrário dos setores de serviços tradicionais, as empresas que contratam trabalhadores temporários frequentemente ignoram a extensa seleção ou os requisitos formais de licenciamento para acelerar a integração. Então, como elas podem garantir a qualidade quando quase qualquer pessoa pode se inscrever para trabalhar?

A Uber, por exemplo, tenta responsabilizar os motoristas enviando notificações quando os passageiros lhes dão avaliações baixas, ameaçando removê-los da plataforma se não melhorarem e fornecendo relatórios que comparam seu desempenho com o de seus colegas. Um estudo recente com motoristas da Uber em Chicago constatou que esses mecanismos de controle de qualidade estão funcionando – motivando motoristas ruins a melhorar, eliminando aqueles que não o fazem e levando a um nível de serviço comparável ao dos táxis locais.

“Os mercados de serviços são uma parte importante da economia, mas não atingirão seu potencial a menos que garantam a qualidade e, ao mesmo tempo, permitam que os trabalhadores entrem e saiam com flexibilidade”, afirma Susan Athey , doutora em 1995, professora de economia na Stanford Graduate School of Business . “Os trabalhadores são muito receptivos a informações e feedback sobre seu desempenho.”

Ao contratar o UberX, seu principal serviço de transporte por aplicativo, a empresa realiza uma verificação básica de antecedentes criminais e de antecedentes criminais, além de garantir que os motoristas tenham carteira de habilitação, registro e seguro. Ao contrário dos taxistas de Chicago, os motoristas do Uber não precisam fazer um curso de duas semanas nem passar em um exame de habilitação.

Assim que os novos contratados começam a trabalhar, os clientes da Uber podem avaliar cada viagem em uma escala de uma a cinco estrelas. Motoristas com avaliações baixas são notificados de que precisam melhorar e recebem links para recursos que podem ajudar. Se não conseguirem aumentar suas pontuações o suficiente, correm o risco de serem desativados.

Athey e seus colegas Juan Camilo Castillo , PhD '20, e Bharat Chandar , PhD '25, examinaram cerca de 6,9 milhões de viagens de UberX perto do centro de Chicago ao longo de vários meses no início de 2017. Controlando fatores como destino e horário da semana, eles descobriram que os passageiros tendiam a dar notas mais altas a viagens mais seguras – aquelas em que o motorista mantinha uma velocidade constante e moderada, não freava ou acelerava bruscamente com frequência e não manuseava o celular. Os clientes também preferiam viagens mais curtas e serem buscados e deixados perto dos locais desejados.

Athey e sua equipe descobriram que, quando os motoristas recebiam notificações sobre avaliações baixas, eles melhoravam substancialmente nesses indicadores de qualidade. Ao analisar dados de telemetria nos celulares dos motoristas, eles descobriram que aqueles que recebiam alertas usavam menos os celulares, mantinham uma velocidade mais constante, aceleravam menos, seguiam rotas mais eficientes e embarcavam e desembarcavam passageiros mais próximos dos locais solicitados. Os pesquisadores descobriram que os motoristas melhoraram após apenas uma notificação e continuaram a ser motoristas melhores mesmo depois que a Uber os alertou de que não corriam mais o risco de serem expulsos da plataforma.

“Os trabalhadores podem não conhecer ou não estar atentos a essas dimensões da qualidade. Um motorista pode não perceber que tem freios mais rígidos do que os outros”, diz Athey. “Descobrir que está abaixo da média tem um efeito poderoso.”

Outro sinal de que o sistema de classificações e notificações estava funcionando: dados de telemetria revelaram que os motoristas que a Uber removeu devido a classificações consistentemente baixas eram significativamente piores que a média, com base nas medidas de qualidade observadas pelos pesquisadores.

Athey e sua equipe também identificaram outra maneira de fazer os motoristas melhorarem: fornecer informações detalhadas e objetivas sobre seu comportamento na estrada. A Uber já enviava aos motoristas relatórios semanais resumindo seu desempenho com base em dados de telemetria e comparando-os com outros motoristas. Os pesquisadores conduziram um experimento randomizado no qual forneceram a alguns motoristas um painel mais detalhado monitorando seu comportamento em viagens individuais. Os motoristas com acesso a esses dados granulares melhoraram mais do que um grupo de controle, e aqueles que estavam no 10º percentil inferior com base em medidas objetivas de sua qualidade de direção melhoraram mais.

“Lembrar-se do seu comportamento passado parece ser algo bom em termos de comportamento futuro”, diz Castillo, professor assistente de economia na Universidade da Pensilvânia.

Mas será que o feedback por si só garante a qualidade quando os motoristas não passam por uma triagem rigorosa? Para descobrir, Athey e seus colegas compararam o desempenho dos motoristas do UberX em Chicago com o de motoristas de táxi tradicionais chamados pelo aplicativo Uber Taxi. Os motoristas de táxi passam por um rigoroso processo de licenciamento, e suas avaliações não resultam em notificações sobre desempenho ou risco de desativação.

Com base em dados de telemetria, os pesquisadores descobriram que os motoristas do UberX se saíram melhor em situações de excesso de velocidade, frenagens e acelerações bruscas, além de embarques e desembarques convenientes. Os motoristas de táxi, por outro lado, usaram menos o celular e escolheram rotas mais rápidas. No geral, a qualidade da condução foi praticamente a mesma com base nas medidas priorizadas pelos passageiros, descobriram os pesquisadores.

Nesse caso, outros fatores – como dados demográficos e incentivos financeiros – podem ser responsáveis por parte da variação no comportamento dos motoristas. Ainda assim, Athey afirma que as descobertas sugerem que os órgãos reguladores poderiam considerar a substituição de requisitos onerosos de triagem e licenciamento por controles de qualidade a posteriori em alguns setores, especialmente quando ferramentas de inteligência artificial conseguem monitorar a conformidade.

“Podemos estar caminhando para um mundo em que o licenciamento ocupacional e outras barreiras, que podem impedir os trabalhadores de ingressar em determinadas profissões e manter os preços artificialmente altos, podem ser removidos, mantendo a qualidade do serviço”, afirma. “Isso pode ter menos desvantagens em termos de segurança do que nunca.”