Modelos de IA melhoram em tudo para o que você consegue escrever uma função de perda, e a escola é basicamente feita de funções de perda: problemas bem definidos avaliados com base em respostas conhecidas. Portanto, o trabalho valioso da próxima década é tudo aquilo que não pode ser avaliado dentro do período de treinamento do modelo.
Durante meus 6 anos de trabalho, tive a sorte de colaborar com pessoas incríveis de empresas de todos os tamanhos, desde minha própria startup, até a Helm AI (15→50 funcionários), Scale AI (500→1500 funcionários), OpenAI (1500→3000 funcionários) e Google (100.000+ funcionários). Como fundador, passo muito tempo pensando nas contratações certas para o presente e o futuro da nossa empresa. Como somos totalmente nativos em agentes, nossas necessidades são muito diferentes de qualquer empresa onde trabalhei antes.
Para indivíduos motivados, ambiciosos e no início da carreira, agora tenho uma perspectiva mais clara sobre quais habilidades são valiosas na próxima década. Já dei e recebi muitos conselhos de carreira e, embora muitos ditados famosos continuem verdadeiros (algo como "foguete não tem ré, não pergunte o assento"), muita coisa mudou devido ao avanço da codificação com agentes. Aqui está o que permaneceu verdadeiro, bem como o que é novo.
1. Concentre-se em recursos que são verdadeiramente limitados
Antes de entrar na Scale, eu tinha ofertas de quant com valores garantidos muito mais altos, mas decidi entrar na Scale porque estava animado com a comunidade e a exposição a todos os diversos produtos e aplicações da Scale. Através da Scale, tive contato com provedores de inferência de LLM, o que me levou às oportunidades no DeepMind e na OpenAI. Também conheci muitos outros colegas ambiciosos que hoje formam uma comunidade de fundadores vindos da Scale. Hoje, a rede única e as oportunidades de aprendizado da Scale contribuíram muito mais para minha vida do que o dinheiro extra que eu teria recebido como quant.
O acesso ao capital é muito mais fácil agora do que nunca. O acesso a tempo real e relacionamentos fortes com outros seres humanos ainda é raro. A excelência comprovada em empreendimentos passados e relacionados continua sendo o sinal mais forte, então meu conselho concreto é: dedique tempo a fazer um bom trabalho e garanta que isso seja conhecido por outras pessoas respeitáveis que também fazem um bom trabalho. Priorize impiedosamente seu tempo para que, independentemente do que você esteja fazendo — seja faculdade, projetos ou estágios —, você se concentre em problemas que considere significativos. Com o "vibe-coding", é fácil encontrar oportunidades que geram dinheiro rápido, mas o prêmio geralmente é muito maior quando você busca valor real.
Tempo, relacionamentos e reputação: esses são os verdadeiros recursos limitados nos quais focar sua atenção.
2. Aprenda a encontrar problemas, além de resolvê-los
Para encontrar sinal em um mar de candidatos, pensamos profundamente sobre quais habilidades são importantes hoje para engenheiros que trabalham em uma empresa nativa de agentes. Dado que ninguém escreve nenhuma linha de código manualmente, as perguntas tradicionais no estilo Leetcode e até mesmo as questões de design de sistemas parecem não ter correlação com o desempenho real no trabalho. Eventualmente, chegamos a uma série de entrevistas que medem o quão bem alguém consegue entender rapidamente o ambiente em que é colocado, identificar problemas que valem a pena resolver e, em seguida, executar a solução desses problemas sob as restrições do ambiente existente.
As habilidades mais importantes serão aquelas relacionadas à seleção de problemas e à alocação de recursos. Agentes cada vez mais poderosos são capazes de assumir problemas complexos e bem definidos, então as pessoas de maior impacto serão aquelas melhores em identificar problemas importantes e, em seguida, alocar tokens e tempo para resolvê-los.
Vejo uma tendência de estudantes se sentindo desencorajados pelo fato de que os agentes conseguem resolver todos os seus conjuntos de problemas. Mas, na minha experiência dando entrevistas, os candidatos ainda apresentam desempenhos muito variados em termos de quanto tempo e tokens precisam para chegar à solução. Bons candidatos geralmente trazem intuição de alto nível e contexto externo para sua colaboração com os agentes.
Concretamente, os candidatos que avaliamos bem mergulharam em ambientes de resolução de problemas, seja por meio de seus próprios projetos apaixonados ou por estarem em empresas de alto crescimento onde os problemas significativos superam o número de pessoas.
3. Trabalhe na forma mais ambiciosa de um problema
Na última década, uma das estruturas mentais mais úteis na pesquisa tem sido a "lição amarga": métodos gerais de escalonamento superam, em última análise, otimizações específicas de tarefas. Essa lição também se aplica à escolha de problemas e empresas.
Empresas e carreiras sempre tiveram resultados de lei de potência, mas a IA acelerou a taxa de progresso em direção a esses resultados. Como construir software agora é muito mais acessível, qualquer um pode construir sistemas simples com relativa facilidade. O valor real e duradouro só é construído com foco extremo em problemas verdadeiramente ambiciosos.
Para escolher uma empresa, o conselho aqui é simples: avalie se a empresa está trabalhando na forma mais ambiciosa do seu problema e, em seguida, se ela realmente tem chance de resolvê-lo. Para escolher uma função, pense se a função permitirá que você trabalhe diretamente na fronteira do problema que a empresa está resolvendo.
4. Corra a última milha
Para startups, Alfred Lin tem um ótimo artigo sobre como os últimos 10% são tanto 90% do trabalho quanto 90% da recompensa. A IA polarizou os resultados porque o resultado mediano é o que um agente pode produzir com um prompt mal feito. O valor, portanto, vem de fornecer uma perspectiva única sobre um conjunto de problemas ou atenção aos detalhes.
Aprender a executar bem na última milha requer prática e foco. Nada é perfeito na primeira tentativa, então a última milha é frequentemente sobre iteração. Como o progresso com agentes de codificação tem sido tão rápido, muitas vezes é melhor aproveitar os aprendizados de iterações anteriores e simplesmente começar do zero com a próxima geração de inteligência. Pratique isso com seus próprios projetos. Tome a iniciativa de gastar um pouco mais de tempo com polimento, arquitetura limpa, escalabilidade ou criatividade. Eu definitivamente vi o impacto disso entre os candidatos que fizeram isso.
5. Aumente tanto o xG quanto a eficiência
No futebol, xG (gols esperados) é uma métrica de quantos gols se espera que um time marque em uma partida com base em suas oportunidades, levando em conta distância, ângulos, posição do goleiro, etc. A eficiência são as taxas de conversão relativas nessas oportunidades.
A analogia do xG e da eficiência para minha própria carreira tem sido bastante precisa. Em 2023, recusei ofertas da Anthropic (~50 funcionários na época) e da Cursor (2 funcionários não fundadores na época) porque queria trabalhar com inferência e treinamento de modelos de fronteira no DeepMind. Em 2024, recusei ambas novamente para trabalhar na OpenAI. Cada uma dessas oportunidades alternativas teria sido um xG alto do ponto de vista de carreira, mas acabei escolhendo empresas que se alinhavam mais com meus interesses, adequação cultural e objetivos (trocadilho intencional).
Carreiras são longas e as oportunidades vão e vêm. Não acredito que a ASI substituirá todos os humanos em empregos de trabalho intelectual porque os humanos têm capacidades diferenciais em selecionar problemas significativos para a ASI resolver e em alocar capital para resolver esses problemas.
Nem toda oportunidade se materializará em um gol, mas estar na posição certa para ver as oportunidades é o primeiro passo para marcar gols. Isso, novamente, se resume a reputação e expertise. A oportunidade na Cursor surgiu porque eu tinha uma boa reputação entre meus contatos em comum com Michael e Aman, e a oportunidade na Anthropic surgiu porque eu estava investindo tempo profissional e pessoal em problemas que eram interessantes para a equipe de lá.
Em algum momento, a vida é sobre marcar gols, não apenas ver as oportunidades, então a eficiência na frente do gol também importa. Olhando para trás em minhas decisões, acho que tomei muitas decisões certas, mas teria preferido passar mais tempo coletando dados para embasar minhas decisões.
No fundo, selecionar empresas em estágio inicial é principalmente sobre a equipe e o mercado. Muitos candidatos hoje se ancoram no produto existente, mas isso quase sempre evolui para algo muito diferente se a equipe for boa. A demonstração inicial da Anthropic era um Slackbot que, para mim, era pior que o ChatGPT.
6. Você pode entrar na pesquisa agora
Recentemente, recebi muitas perguntas de pessoas sobre como entrar na pesquisa. Meu ex-colega Vlad é líder da equipe Gemini e tem um excelente artigo com suas perspectivas sobre isso.
A pesquisa moderna é mais fácil de fazer com mais poder computacional, mas um ótimo lugar para começar é usar os modelos e destilar suas próprias intuições em avaliações. Os rankings públicos de otimização divulgados pelo meu ex-colega @kellerjordan0 também fornecem ótimos fóruns para explorar ideias em um ambiente mais estruturado.
Muitos provedores de computação, como a Modal, oferecem créditos para acadêmicos. Use-os e explore suas ideias agora. A maioria das ideias eventualmente falhará em escala, e entender esses fracassos é o primeiro passo para construir uma compreensão do que realmente funciona.
No final, acredito que ser pesquisador é uma mentalidade, não uma ocupação. A maior parte do trabalho de um pesquisador em laboratórios de fronteira é uma mistura de ser curioso o suficiente para explorar novas ideias, lutar contra a infraestrutura para implementar as ideias, entender o sistema completo em detalhes extremos para depurar problemas de forma eficiente e articular o valor dos resultados para garantir mais poder computacional. Você pode fazer tudo isso sem estar em um laboratório de fronteira.
Considerações finais
O mundo ainda está cheio de oportunidades. A chave para desbloqueá-las é focar em encontrar problemas interessantes e entregar resultados extraordinários. Se isso te atrai, entre em contato e adoraríamos trabalhar com você.
