Engenheiro de aprendizagem automática

Calculado aqui a partir do CSV de declaração individual, da forma como este sítio trata uma série estatística: o ficheiro inteiro foi descarregado e as contagens feitas localmente, para que um leitor as possa repetir. Filtro: development_stage igual a Deployed e is_high_impact igual a High-impact, o que dá 227 das 1.040 linhas em produção. O campo hi_testing_conducted diz Yes em 44, In-progress em 81 e está vazio em 102. O campo da avaliação de impacto diz Yes em 36, In-progress em 90 e está vazio em 101. O campo da revisão independente nunca diz concluído enquanto tal: 31 nomeiam uma revisão do responsável de IA, 4 uma revisão interna independente, 1 um conselho de supervisão, 89 dizem em curso e 102 estão vazios. A autorização de operação diz Yes em 69, No em 60 e está vazia em 98. Foram os organismos federais, não este sítio, que escolheram a etiqueta de alto impacto e preencheram estes campos, ao abrigo da EO 13960, da Advancing American AI Act e do memorando M-25-21 do OMB. O que as contagens estabelecem é o que os organismos deixaram escrito sobre a sua própria porta antes da entrada em produção; um campo vazio é um campo vazio, não um Não, e um Sim é uma autodeclaração que aqui ninguém verificou. A data é o dia em que o OMB publicou o ficheiro consolidado (resumo a 13 de abril de 2026; o repositório em si foi criado a 28 de janeiro de 2026); as entradas em produção subjacentes estendem-se por muitos anos e o ficheiro não dá uma data única ao conjunto.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Cinco engenheiros da Instacart, identificados pelo nome, a descrever o seu próprio sistema de pesquisa. Dizem que a Instacart treinava e mantinha historicamente vários modelos independentes para tarefas individuais de compreensão de consultas, cada solução feita à medida com o seu próprio pipeline de dados e a sua própria arquitetura de treino e de serviço; que substituir estes modelos especializados por um único LLM que trata várias tarefas de linguagem elimina a complexidade de manter modelos separados; que o sistema já está em produção, a servir milhões de consultas de arranque a frio por semana; e que isso deslocou o seu desafio central da engenharia de características para pôr estes modelos de base em produção, gerindo a latência e o custo. Uma empresa e um sistema, descritos pela equipa que o construiu; nada diz sobre quantos engenheiros de aprendizagem automática a Instacart emprega nem sobre se esse número mudou.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

O inventário do próprio governo dos EUA sobre o uso de IA nos seus organismos, com 2.133 entradas. Pergunta se existe um processo para monitorizar o desempenho de um sistema de IA depois da entrada em produção, com quatro opções de resposta. Contado aqui a partir do ficheiro: das 874 entradas na fase Operation and Maintenance, 76 escolheram uma das quatro — 47 «Intermittent and Manually Updated» (as equipas de ciência de dados trabalham com engenheiros de DevOps para atualizar os modelos manualmente em intervalos programados e criar métricas para detetar desvios de distribuição), 15 «Automated and Regularly Scheduled Updates» (parte da monitorização e do retreino automatizada, mas com as equipas de ciência de dados ainda muito envolvidas), 5 «Established Process of Machine Learning Operations» (testes automáticos, deteção de desvios e retreino conduzido por pipeline) e 9 sem protocolos de monitorização. As outras 798 deixaram a pergunta em branco ou escreveram não aplicável, e as respostas foram em grande parte voluntárias e concentradas em poucos organismos, por isso isto descreve os sistemas que responderam, não a IA federal no seu conjunto.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Setenta e cinco competições do Kaggle de engenharia de aprendizagem automática — treinar modelos, preparar conjuntos de dados, correr experiências — classificadas contra as marcas humanas da tabela pública de cada competição, por isso a comparação é com as pessoas que de facto participaram. A montagem com melhor desempenho à data (o o1-preview com o andaime AIDE) chegou pelo menos ao bronze em 16,9% das competições; os autores indicam também que escalar os recursos e a contaminação do pré-treino mudam ambos o número, e o teste é de código aberto, por isso qualquer pessoa o pode voltar a correr num modelo mais recente. Dois limites são estruturais e não acidentais: uma competição do Kaggle chega com o problema já enquadrado, a métrica já escolhida e os dados já recolhidos, que é exatamente a parte deste trabalho que o teste não consegue medir de todo; e a OpenAI construiu o teste e vende modelos medidos por ele.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

O mercado da União, e apenas para sistemas de risco elevado treinados com dados — a obrigação recai sobre o prestador, ou seja, a organização, e não sobre o engenheiro a título individual. Este registo está associado a responder pelo que o sistema faz às pessoas, e não à tarefa de preparação dos dados em si: o artigo 10.º rege o modo como esse trabalho com dados tem de ser feito, e não que parte dele é hoje feita por uma máquina. O que fica estabelecido é que demonstrar que os dados eram adequados à finalidade, examinados quanto a possíveis enviesamentos e verificados quanto a lacunas passa de prática profissional a obrigação jurídica documentada. O Regulamento (UE) 2026/1744 (o Omnibus Digital sobre a IA, publicado a 24 de julho de 2026) adiou a aplicação destas obrigações de 2 de agosto de 2026 para 2 de dezembro de 2027 no caso dos sistemas de risco elevado nos termos do Anexo III, e para 2 de agosto de 2028 no caso dos sistemas de risco elevado nos termos do artigo 6.º, n.º 1, e do Anexo I; é, portanto, uma norma que já consta da lei mas que ainda não se aplica. O artigo nada diz sobre quantas equipas já trabalham assim, quanto custa, ou o que se aplica fora da União.

Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.

Quatro investigadores da Microsoft a descrever a prática de etiquetagem do próprio Bing num artigo de conferência com revisão por pares. Escrevem que o Bing usa LLM, em conjunto com etiquetadores humanos especialistas, para a maioria das suas métricas offline desde o final de 2022; que, na sua experiência, as etiquetas dos LLM se revelaram mais exatas do que as de qualquer etiquetador externo, incluindo pessoal próprio, muito mais rápidas e muitas vezes mais baratas; e que ao longo do tempo sentiram necessidade de construir conjuntos de ouro mais difíceis para continuar a distinguir entre etiquetadores e entre instruções. As etiquetas alimentam sobretudo métricas de avaliação e não dados de treino, e a Microsoft constrói e vende os modelos usados, por isso tem interesse no resultado. Nada diz sobre quantos etiquetadores ou engenheiros este trabalho emprega.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Quase tudo o que um curso ensina — arquiteturas, afinação, desenho de características — é a parte que esta página assinala como deslocada, e uma delas foi deslocada antes de tu começares a estudar. A parte rara é aquela para que os cursos não conseguem facilmente marcar trabalhos: construir um teste que o modelo ainda não tenha visto, e dizer em voz alta que algo ainda não é bom que chegue. Chega-te a um sistema que esteja a correr sobre pessoas reais, mesmo que pequeno, mais cedo do que parece razoável.

Se o teu valor era saber a que modelo deitar a mão, esse conhecimento depreciou depressa e continua a depreciar. Se é saber como este domínio se parte — quanto custa aqui uma resposta errada, que entradas faltam, o que significa um número plausível quando a população mudou — essa é a metade que ficou mais rara, porque a coisa a julgar ficou mais difícil de julgar. A versão incómoda: boa parte das contratações recentes da área foi de gente que sabe chamar bem uma API, que é outro trabalho com outro teto.

Ficar e reforçar-te

Ser dono do instrumento de medida

Quando o modelo é comprado, a avaliação é a única coisa que resta que seja tua — e um conjunto de teste construído a partir das tuas próprias falhas não é algo que um fornecedor possa fornecer.

Refazer o posto

Ir para onde não se consegue comprar um modelo

Domínios estreitos, dados proprietários, orçamentos de latência apertados, e contextos em que uma entrada inexplicável não é permitida — em todos eles o substituto comprável não existe, e o conjunto de competências clássico continua a ser o conjunto de competências.

Movimento lateral

Assumir a obrigação antes de ta atribuírem

Estão a ligar-se deveres aos sistemas aprendidos que são usados sobre pessoas, e eles exigem alguém que consiga mostrar o que o modelo consumiu e porque é que isso era adequado ao fim. Na maioria das equipas essa pessoa ainda não existe.

Aqui as partes movem-se em sentidos opostos, coisa que um único número esconderia. Treinar um modelo à medida foi deslocado para uma fatia grande dos problemas, e não por uma máquina ter aprendido a fazê-lo — por o produto se ter tornado comprável, que é um género reversível de deslocação. Julgar se um sistema aprendido é bom que chegue tornou-se ao mesmo tempo mais difícil e mais raro. Um sinal que consegues verificar: dos teus três últimos trabalhos, quantos acabaram num modelo treinado e quantos num juízo sobre um que outro treinou. O segundo número é a direção em que o lugar está a ir.

Parte dele, e vale a pena ser preciso sobre que parte, porque o mecanismo é invulgar. O que desapareceu foi o artefacto à medida, e não uma capacidade humana: o teu problema tem agora um substituto comprável. Esse género de perda inverte-se — o preço, a licença, o limite de uso ou a capacidade de um fornecedor mexem e o trabalho volta — o que não é verdade para trabalho que uma máquina aprendeu mesmo a executar. O que não desapareceu foi saber se o substituto está mesmo a funcionar no teu problema, e isso ficou mais difícil exatamente no mesmo movimento.

Pôr a questão como uma escolha entre dois conjuntos de competências é o que a torna difícil de responder. A posição duradoura em ambos é a mesma: ser a pessoa em cujo juízo sobre se a coisa funciona se confia. O que difere é o preço de entrada — construir por cima quase não tem nenhum neste momento, e é por isso que essa faixa está cheia e que o teto nela é fixado por conseguires ou não distinguir um bom resultado de um plausível. Se só conseguires fazer uma coisa bem, faz a de julgar.

A procura e a exposição são perguntas diferentes e esta página só responde à segunda, coisa que vale a pena dizer porque são confundidas com frequência. A observação honesta é que o título cobre agora dois trabalhos com tetos diferentes — um que treina e avalia sistemas, e outro que monta aplicações sobre um modelo comprado — e os anúncios raramente os distinguem. Antes de aceitares um lugar, pergunta o que a equipa lançou no trimestre passado e se alguém construiu um conjunto de teste para isso. A resposta diz-te qual dos dois trabalhos o título significa ali.