5 minutos de leitura
Autor(a)
Fabrício Carraro é formado em Engenharia da Computação pela UNICAMP e pós-graduado em Data Analytics & Machine Learning pela FIAP. Atualmente, mora na Espanha.
Fique por dentro de conteúdos, insights e oportunidades do universo tech. Receba novidades e lançamentos direto no seu e-mail.
Filipe Lauar transita entre construir sistemas de IA no dia a dia e explicar IA para outras pessoas.
Mineiro, formado em Engenharia pela UFMG e pela Télécom Paris, com mestrado em IA pela Sorbonne University, ele foi líder de IA na startup francesa Qantev e hoje atua como Engenheiro de IA na Enter, além de comandar o podcast Vida com IA.
Em conversa com Fabrício Carraro, Program Manager na Alura e autor do livro "IA Generativa" pela Casa do Código, Filipe detalha por que avaliar modelos ficou mais complexo do que antes, defende que entender o problema de negócio vale mais do que escrever código e explica onde o Brasil ganha e onde perde na disputa por talento em IA.
Você trabalha construindo sistemas de IA e, ao mesmo tempo, passa bastante tempo explicando IA para outras pessoas. O que ficou mais fácil na engenharia de IA com os LLMs e o que continua sendo tão difícil quanto antes?
Antes eu precisava treinar 1 modelo por tarefa, entender a diferença entre as arquiteturas, retreinar e testar sempre que uma arquitetura nova saía. Hoje em dia, para boa parte das tarefas, os LLMs são bons o suficiente, então o trabalho é utilizá-los da melhor maneira possível.
Versionamento e gestão da qualidade se mantêm tão difíceis quanto antes. Para evals, eu diria até mais difícil. Antes, era retirar métricas a partir de um dataset; hoje temos LLMs as a judge, … o que deixa muito mais complexa a avaliação.
Com ferramentas de coding cada vez melhores, escrever código deixou de ser o principal gargalo em vários projetos. Nesse cenário, qual habilidade técnica você acredita que vai ganhar mais valor para quem desenvolve software?
Eu sinto que o gargalo hoje é saber o que fazer. Pessoas de tecnologia sempre foram muito focadas em escrever código, e a maioria não se importava muito em entender o problema de negócio.
Hoje, com a comoditização do código, entender os problemas de negócio e o impacto que a feature gera no produto é muito mais importante do que o código gerado.
Você acompanha e usa de perto coisas como vibe coding, Claude Code e novas ferramentas para desenvolvedores. Em que momento essa aceleração começa a criar uma falsa sensação de produtividade ou uma dívida técnica difícil de enxergar?
Quando não sabemos o que fazer. Dado que fazer uma feature hoje é tão simples quanto fazer um prompt, é muito fácil fazer uma feature que nunca será usada.
Com um backlog bem definido e uma direção para onde ir, a produtividade com o uso de IA é enorme — eu diria na casa de 5 a 10x. Mas se você não sabe para onde quer ir, não tem um bom direcional, é muito fácil fazer features que parecem incríveis, mas nunca serão usadas.
Na Enter, você acompanha uma empresa brasileira construindo produtos de IA em um mercado dominado por gigantes americanos. Onde uma empresa criada no Brasil pode ter uma vantagem real — e onde ainda enfrentamos uma desvantagem difícil de superar?
Acho que a vantagem e a desvantagem são a mesma: atração de talentos. Em uma startup, o maior diferencial é a qualidade do time. Na Enter, a gente conseguiu montar um time único, boa parte da empresa foi repatriada, morava ou trabalhava remoto para fora.
No Brasil, atrair esses talentos é muito mais fácil, pois a concorrência é muito menor do que no Vale do Silício. Além disso, a Enter é prova viva de que o talento brasileiro é tão bom quanto o talento internacional.
Ao mesmo tempo, a quantidade de talentos disponível no Brasil não é tão alta. No Vale do Silício, você consegue contratar indianos, europeus, asiáticos, latino-americanos… enquanto aqui no Brasil, conseguimos contratar praticamente apenas brasileiros.
Apesar de serem talentos de um nível altíssimo, e a competição por eles ser muito menor, a quantidade disponível no mercado é muito baixa comparada ao Vale do Silício.
Para alguém tentando acompanhar a velocidade atual da IA, é muito fácil confundir novidade com avanço real. Qual desenvolvimento recente você considera estrutural para os próximos anos e qual está recebendo atenção demais?
Acho que harness/skills é algo que veio para ficar. A qualidade dos modelos, junto com harness poderosos (Claude Code, Cursor, Codex) e skills bem feitas, consegue resolver muitos problemas do dia a dia. Na minha opinião, essa combinação substitui a criação de softwares em alguns contextos.
Acho que modelos ultra caros e poderosos vêm recebendo atenção demais. Na minha opinião, modelos como o Fable não são muito úteis para a maior parte dos problemas. Eu, particularmente, não vejo necessidade de utilizá-lo no meu dia a dia.
Se você quiser ouvir mais dessas ideias do Filipe, temos um encontro marcado no IA Conference Brasil, o maior evento de IA e tecnologia do país, realizado pela Alura.
Dia 24 de setembro de 2026, no Frei Caneca, em São Paulo, você tem a chance de se conectar com quem está construindo a próxima era da IA no Brasil.
A terceira e maior edição do evento vai reunir mais de 1.300 profissionais, +50 conteúdos exclusivos e palcos simultâneos pensados para quem quer sair de lá entendendo o que realmente importa entre tantas novidades que surgem no mercado.
Ainda dá tempo de garantir seu lugar na maior edição da história do evento. Nos encontramos lá?
