“A mente intuitiva é um dom sagrado e a mente racional é um servo fiel. Criamos uma sociedade que honra o servo e esqueceu o dom.” — Albert Einstein

Existe um tipo específico de frustração que vem de observar um sistema altamente capaz errar algo com confiança. Não errar nos fatos — errar no sentimento. O texto que parece um comunicado de imprensa. A página de destino que faz sentido para quem a construiu, mas confunde todos os outros à primeira vista. O design que está tecnicamente correto, mas de alguma forma estranho. Essas não são falhas de computação. São falhas de algo que a IA, com toda a sua velocidade e alcance, não foi projetada para fornecer: julgamento humano.

谢佳辰 — Caesar — já vivia com essa lacuna muito antes de entrar em um hackathon com dois colegas de equipe e um plano para fazer algo a respeito.

O meme que se tornou um produto

A ideia para o HumanMCP começou, de forma improvável, com uma piada da internet.

Um meme circulava sobre o custo de operar agentes de IA — queimando tokens, queimando dinheiro. O desfecho: por que não usar 能工智人 — humanos habilidosos — em vez disso? Eles pensam com seus cérebros, não com tokens.

Caesar não apenas passou pelo meme. Ele refletiu sobre ele.

“A IA tem limites de capacidade”, explicou ele. “E se a IA atingir esses limites — ou se a pessoa que a usa atingir seus próprios limites de compreensão — o resultado simplesmente não será bom.” O meme não era apenas engraçado. Ele apontava para algo real: há momentos em um fluxo de trabalho de IA em que uma resposta errada e confiante é pior do que uma certa, porém pausada.

Então, e se, em vez de deixar a IA adivinhar, você pausasse o fluxo de trabalho e direcionasse essa pergunta específica para um humano qualificado? Não um consultor. Não um comitê. Apenas uma pessoa, com a experiência relevante, respondendo a uma pergunta em menos de trinta segundos.

Isso é o HumanMCP.

O que ele realmente faz

O HumanMCP não tenta substituir a IA — ele a completa. Quando um agente de IA atinge um ponto de decisão que requer julgamento humano (Esta página de destino faz sentido à primeira vista? Este aviso legal parece confiável? Este design parece premium?), o sistema empacota o contexto mínimo necessário no que a equipe chama de 'Pacote de Tarefas' e o encaminha para alguém qualificado para responder.

A pessoa que recebe vê apenas o que precisa ver. Não o contexto completo do projeto subjacente. Nada que possa comprometer a privacidade do usuário. Apenas a pergunta, claramente formulada, com uma resposta de escolha única. Trinta segundos. Pronto.

A resposta flui de volta para o fluxo de trabalho da IA, que continua de onde parou — desta vez, com um sinal humano real incorporado.

O insight chave ao qual Caesar sempre retornava: “Deixe que profissionais deem um julgamento direcional. Deixe a IA melhorar com isso.”

Construindo em um fim de semana

Três pessoas. Uma ideia mal formada. O relógio de um hackathon.

O cofundador e colega de classe de Caesar cuidou da arquitetura técnica. Seu terceiro companheiro de equipe, estudante de mídia e comunicações, liderou o planejamento de negócios e o vídeo de apresentação. A divisão parecia clara no papel. Na prática, Caesar estava carregando a maior parte da construção do produto, e o escopo não era pequeno.

A plataforma precisava de um frontend funcional. Um backend que pudesse receber pacotes de tarefas e encaminhá-los em tempo real. Um sistema para registrar a prova de conclusão, para que cada julgamento humano pudesse ser verificado e auditado. Tudo ao vivo. Tudo funcional. Até o final do fim de semana.

É aqui que o Enter Pro entrou.

Caesar conheceu o Enter algumas semanas antes em um evento no campus. Ele havia passado dois ou três dias anteriores construindo um projeto com ferramentas de IA — depurando, ajustando, tentando implantá-lo, sem nunca cruzar a linha de chegada. No evento, ele reconstruiu algo equivalente em vinte a trinta minutos. Full stack, totalmente implantado, backend conectado e acessível. “Simplesmente abriu toda a cadeia de uma vez”, disse ele. “Percebi que, se você tem uma ideia, pode construir um site, colocá-lo no ar e começar a falar sobre ele. Com essa rapidez.”

Para o HumanMCP, essa velocidade foi o diferencial. Caesar construiu todo o frontend e backend através do Enter, e foi além — conectando a infraestrutura de backend do Enter diretamente para que agentes externos pudessem chamar a plataforma sem configuração adicional. Ao final do hackathon, Caesar sozinho havia consumido cerca de 7.000 créditos.

O que o torna diferente

A crítica fácil ao HumanMCP é que ele é apenas mais uma plataforma de crowdsourcing. Caesar é claro ao dizer que não é.

O crowdsourcing tradicional envia tarefas para quem estiver disponível. O HumanMCP encaminha perguntas para pessoas com experiência relevante — e, criticamente, controla o que elas veem. A equipe chama isso de 'Orçamento de Privacidade': um sistema que governa exatamente quanta informação um humano recebe para qualquer tarefa. Concluir um julgamento não exige ver nada além do que o julgamento exige. Visão humana, sem acesso humano a tudo.

O resultado é algo que não existia antes: julgamento humano como uma capacidade chamável, verificável e auditável dentro de um fluxo de trabalho de IA. Não uma solução alternativa. Uma interface real.

O cenário geral

Caesar é, por sua própria descrição, um entusiasta da IA. Ele teve o primeiro contato com a IA em 2022, antes da onda atual — aprendendo sozinho a executar modelos de geração de imagens porque não sabia desenhar, e percebendo pela primeira vez que poderia trazer para o mundo o que estava em sua cabeça. Ele tem construído desde então.

Mas o que ele acredita não é que a IA substitua os humanos. É quase o oposto.

“A IA deve libertar a criatividade e a produtividade humanas”, disse ele. “Deixe os humanos se concentrarem no julgamento, na estética, nas coisas que eles realmente querem fazer. O trabalho braçal intermediário — deixe a IA lidar com isso. Os humanos só precisam ser livres para serem eles mesmos.”

O HumanMCP é um produto construído a partir dessa crença. Não humanos servindo a IA. Não IA servindo humanos em isolamento. Dois tipos de inteligência, cada um fazendo o que o outro não pode — e um sistema preciso o suficiente para saber quando delegar.

O futuro em direção ao qual Caesar está construindo não é um em que a IA faz tudo. É um em que a IA sabe exatamente o que não pode fazer e pede à pessoa certa.