Na IA, quem você conhece passa a pesar mais do que o que você sabe fazer

O texto de Jason Wei descreve uma mudança que ele sente na área de IA nos últimos cinco anos. Ele usa números arbitrários, como ele mesmo admite: há cinco anos, o sucesso seria 75% habilidade e 25% relacionamentos. Hoje, algo como 55% e 45%. Habilidade técnica continua decidindo carreiras, diz o autor.

Os três motivos são técnicos. Primeiro, agentes de programação democratizaram a execução de pesquisa: antes dava para superar concorrentes depurando código de madrugada ou acompanhando experimentos com mais frequência, agora muita tarefa sai para quem sabe o que pedir. Segundo, o escalonamento de modelos de linguagem favorece quem tem recursos. Dez anos atrás, um laboratório acadêmico com oito GPUs tinha chance real. Hoje uma única rodada de RL pode pedir centenas, talvez milhares de GPUs, além de dados e infraestrutura. Terceiro, com empresas publicando menos e adotando modelos fechados, a área perdeu observabilidade. Fica difícil atribuir quem fez o quê num lançamento, e contratação, recrutamento e captação passam a depender de reputação e indicações. O autor cita Sam Altman como exemplo de quem mistura vida profissional e pessoal, e diz que isso rendeu retorno desproporcional.

O tema conversa com uma sequência de textos do CEVIU. Em 5 de março de 2026, o CEVIU noticiou "O que realmente importa na era da democratização do desenvolvimento", com a ideia de que criar software deixou de ser diferencial e que confiança e posição de mercado permanecem. Em 10 de março de 2026, "IA Tornou Relacionamentos, Não Recursos, a Última Vantagem Defensável" levou o argumento para produtos e usuários. Em 7 de abril de 2026, "Confissões de um Millennial na Tecnologia" tratou do valor da execução em queda nas carreiras. Em 10 de novembro de 2026, o CEVIU publicou "Agentes de IA ameaçam o valor da propriedade intelectual de software, aponta artigo", sobre a escassez de talento em engenharia que sustentava margens.

A novidade do texto atual é o recorte: a lógica deixa o produto e o mercado de software e chega à carreira individual e à pesquisa de fronteira, com os recursos de compute e a opacidade dos modelos fechados como causas.

Leitura editorial: para quem trabalha com IA e ciência de dados, o recado é que portfólio e entrega técnica seguem necessários, mas distinguem menos. Quem opera em time pequeno ou fora de laboratórios com muito compute tende a depender mais de reputação visível e de gente que possa atestar seu trabalho. Para quem contrata, vale desconfiar de sinais indiretos, já que o próprio autor aponta que eles ganharam peso justamente por faltar verificação independente.