Andrew Ng mapeia as 4 habilidades da engenharia de IA

Andrew Ng passou a carreira reduzindo assunto complexo a coisa ensinável, de Stanford ao Coursera. Em 14 de agosto de 2026, ele apontou esse método para a pergunta que todo líder de tecnologia faz hoje: no meio do barulho e do hype, quais habilidades de fato importam para construir com IA? A resposta veio no AI Engineering Skills Map, e o mais útil não é a lista, é o critério por trás dela. Ng e a equipe analisaram mais de 10 mil vagas, fizeram dezenas de entrevistas estruturadas com especialistas, gestores e recrutadores, e rodaram surveys. O resultado é um mapa de quatro habilidades. Vale colar na parede de quem contrata e de quem quer ser contratado.

Uma nota de vocabulário que muda a conversa

Antes das quatro, Ng faz uma distinção que a gente costuma ignorar. Ele fala em habilidades de engenharia de IA, não no cargo de engenheiro de IA. A diferença é a mesma que existe entre saber usar a nuvem e ter o título de engenheiro de nuvem. Hoje todo desenvolvedor precisa saber trabalhar com a nuvem, mas só alguns têm o cargo. Ng aposta que será igual com IA: full-stack, dados, DevOps e ML, todos vão precisar de habilidades de engenharia de IA, mesmo sem o título. Para quem monta time no Brasil, isso reposiciona a pergunta. Não é só contratar um especialista de IA, é elevar o piso do time inteiro.

As quatro habilidades, sem hype

A primeira é construir e implantar aplicações de IA. Ng crava a diferença essencial: aplicação de IA tem saída imprevisível. Quando você chama um LLM, não sabe o que volta. Quando treina um modelo, não sabe a previsão que ele fará num exemplo novo. Software tradicional se comporta de forma mais previsível. Logo, a habilidade central de quem constrói com IA é usar técnicas estatísticas para medir, direcionar e governar o sistema, de modo que ele se comporte de forma mais previsível. O centro disso, nas palavras dele, é conduzir avaliações disciplinadas e loops de análise de erro. Guarde essa: a habilidade número um não é escrever prompt, é medir.

A segunda é fundamentos de engenharia de software. Parece contraintuitivo num mundo de vibe coding, e é justamente esse o ponto de Ng. Quem entende software fundo reconhece que tradeoffs existem entre custo, escala, confiabilidade, velocidade e segurança, e por isso toma decisões melhores de stack, arquitetura e teste. O desenvolvedor inexperiente que faz vibe coding sem conhecer os tradeoffs deixa o agente escolher por ele, e a escolha costuma ser ruim, porque ele nem sabe que contexto dar ao agente. Entender os fundamentos é o que permite direcionar o agente com a linguagem precisa da engenharia.

A terceira é usar agentes de código, hoje habilidade de todo desenvolvedor. Ter essa habilidade é ter um bom modelo mental de como o agente funciona, conhecer os limites, saber contorná-los e direcioná-lo rápido, sabendo quanto intervir e quanto deixar solto. Na prática, é gerenciar o contexto do agente, equilibrar planejamento e execução, fornecer verificadores e avaliações para ele fechar loops sozinho, trabalhar com spec quando vale a pena, orquestrar vários agentes juntos e evitar armadilhas, como o agente estragar o banco de produção. E, como a área muda rápido, inclui a rotina de testar ferramentas novas e evoluir o próprio fluxo de trabalho.

Dado um spec claro, o agente entrega cada vez melhor. O trabalho do engenheiro migra para decidir o que deve estar no spec.

A quarta é a que mais reorganiza carreira: dar forma ao que será construído. Como o agente já entrega bem a partir de um spec, o trabalho do engenheiro desloca-se para decidir o que entra nesse spec. Ng é direto: o engenheiro não deve mais esperar receber um desenho pixel-perfect só para implementar. Engenharia de IA eficaz exige senso de produto, contexto de negócio e objetivo do cliente, para participar de moldar e conduzir o build. E abre uma porta: com IA, dá para assumir mais dono e mais agência, identificar problemas e oportunidades e executar em cima deles, sabendo quando fazer um MVP rápido para testar com usuários e quando ir mais devagar para construir com cuidado.

A nossa leitura para quem opera IA no Brasil

O mapa de Ng conversa direto com vozes que já trouxemos aqui. A ideia de que o gargalo virou verificação e avaliação ecoa o software 3.0 verificável de Karpathy. A ideia de que o PM e o engenheiro precisam escrever o bom antes ecoa Lenny Rachitsky sobre o PM nativo de IA. E o alerta contra o vibe coding sem fundamento ecoa Gergely Orosz sobre a IA que gera 100x de código. O mérito de Ng é juntar tudo num mapa contratável.

Para o líder brasileiro, três decisões práticas saem daqui. Na contratação, pare de filtrar por quem digita rápido e passe a filtrar por quem sabe medir: peça ao candidato para desenhar uma avaliação e uma análise de erro de um sistema de IA. No treinamento, eleve o piso do time inteiro nas quatro habilidades, não só de um especialista isolado. E na arquitetura, invista na disciplina de spec e de avaliação, porque é ali, e não no modelo da moda, que mora a vantagem sustentável. Ng promete detalhar cada habilidade nas próximas cartas. O esqueleto já basta para revisar a sua próxima vaga.

Se você quer estruturar o time e o processo em torno dessas quatro habilidades, com avaliação e spec no centro, fale com a AI Boutique no WhatsApp. A gente ajuda a tirar a sua engenharia de IA do vibe coding e colocar em disciplina.