Mudança de talentos em IA em 2026 marca transição para a competição por poder organizacional

A mobilidade de talentos em IA no verão de 2026 marca a transição da competição industrial de uma simples "competição de capacidade de modelos" para uma "competição de poder organizacional e alocação de talentos".

Autor do artigo, fonte: 0x9999in1, ME News



• De junho a 6 de agosto de 2026, a movimentação mais notável de talentos no setor de IA não foi uma rotação comum de executivos, mas sim a escolha de novas plataformas por profissionais-chave com expertise em arquitetura de modelos, ciência da IA, infraestrutura de poder computacional e governança de segurança.
• O Google é a fonte mais óbvia de saída de talentos: Noam Shazeer se juntou à OpenAI, John Jumper, Jonas Adler e Alexander Pritzel migraram para a Anthropic; em agosto, pesquisadores de peso como Jeff Dean deixaram o Google para participar da fundação da Discovery Loop.
• Anthropic tornou-se o principal destino líquido de talentos de pesquisa; a OpenAI absorve talentos em arquitetura de modelos, matemática e segurança, enquanto passa por ajustes contínuos na gestão de missão, segurança e comercialização.
• A disputa por talentos se estendeu da pesquisa de modelos até software de chips, data centers, implantação empresarial e governança organizacional. O que determina a escolha dos melhores talentos já não é mais apenas o salário, mas sim o controle sobre a capacidade de processamento, a autonomia de pesquisa, o potencial de crescimento em ações, e se o indivíduo pode realmente liderar uma linha técnica.
• Minha avaliação central é: o movimento de talentos em IA no verão de 2026 marca a transição da competição do setor de uma simples "competição de capacidade de modelos" para uma "competição de poder organizacional e alocação de talentos".

Este ciclo de fluxo não é composto por gestores profissionais comuns, mas sim por "indivíduos de alto alavancagem" capazes de alterar a rota de pesquisa e desenvolvimento, a estrutura organizacional ou a eficiência dos gastos de capital.

A análise de dados da SignalFire sobre mais de 650 milhões de profissionais e 80 milhões de organizações mostra que, desde o lançamento do ChatGPT, a proporção de engenheiros de IA e aprendizado de máquina entre os profissionais de tecnologia aumentou 39%, e a de engenheiros de pesquisa aumentou 28%. Ao mesmo tempo, o volume total de contratações nas grandes empresas de tecnologia ainda está cerca de 25% abaixo dos níveis de 2019, mas os engenheiros de software já representam 55% das novas contratações, acima dos 46% de 2019.

Isso significa que o setor de tecnologia não está simplesmente reduzindo o investimento em talentos, mas ativamente comprimindo cargos iniciantes, cargos gerais e camadas de coordenação, concentrando ainda mais o orçamento em pessoas que possam impulsionar diretamente o treinamento de modelos, a construção de infraestrutura e a implementação de produtos.

A capacidade do modelo pode ser alcançada por meio de treinamento contínuo, a potência de computação pode ser adquirida por meio de contratos de longo prazo, e os dados também podem ser limpos e reorganizados, mas pessoas que realmente compreendem a arquitetura do modelo, as receitas de treinamento, o sistema de avaliação e a colaboração de engenharia em larga escala não podem ser replicadas em pouco tempo.

O ativo central das empresas de IA está mudando: o que importa não é mais quantos funcionários se possui, mas se é possível manter os dezenas de pesquisadores e líderes de engenharia mais cruciais e garantir que eles tenham acesso suficiente a poder de computação, orçamento e poder de decisão.

A mudança mais simbólica de junho veio do Google.

Noam Shazeer, co-author of the Transformer paper and co-head of Gemini, announced his departure to join OpenAI. Google brought him back to the company in 2024 through a multi-billion-dollar technology licensing and talent deal, but less than two years later, Shazeer is leaving again.

Para a OpenAI, isso não se trata apenas de adicionar um pesquisador famoso, mas de obter um profissional arquitetural que compreende simultaneamente Transformers, modelos de especialistas mistos, produtos de bate-papo e a organização do desenvolvimento de modelos avançados. As tecnologias nas quais Shazeer participou da criação tornaram-se a base dos modelos modernos, e seu julgamento sobre a rota dos modelos e a eficiência do treinamento pode ser mais valioso do que o de uma equipe de pesquisa comum.

Em seguida, John Jumper, co-criador do AlphaFold e ganhador do Prêmio Nobel de Química de 2024, anunciou sua saída do Google DeepMind, onde atuou por quase nove anos, para se juntar à Anthropic. Posteriormente, foram revelados os movimentos dos pesquisadores-chave do Gemini, Jonas Adler e Alexander Pritzel, que também se transferiram para a Anthropic.

A Google perder, em pouco tempo, talentos em modelos básicos, AI for Science, modelos de código e sistemas de treinamento indica que o problema não é apenas que os concorrentes ofereceram salários mais altos.

Relatos públicos indicam que parte dos recursos de computação responsáveis por Shazeer foi realocada. Para pesquisadores de alto nível, o número de GPUs que a empresa possui não é o mais importante; o que realmente importa é a quantidade de computação que eles podem controlar e a posição dos seus projetos na prioridade organizacional.

OpenAI e Anthropic podem oferecer cadeias de decisão mais curtas, expectativas de equity mais diretas e impacto pessoal mais claro. Em grandes empresas tradicionais, pesquisadores sênior podem ser apenas parte de uma organização vasta; em laboratórios de ponta em fase de expansão acelerada, eles têm maior probabilidade de se tornar responsáveis reais por uma linha técnica.

A atração da Anthropic para talentos de pesquisa não surgiu de repente. Anteriormente, a SignalFire constatou que cerca de 80% dos funcionários que haviam trabalhado por dois anos ainda estavam na Anthropic no segundo ano, superando os 78% da Google DeepMind, 67% da OpenAI e 64% da Meta.

As diferenças nos fluxos de talentos são mais evidentes: a probabilidade de engenheiros migrarem da OpenAI para a Anthropic é cerca de oito vezes maior do que na direção oposta, e a proporção de migração do Google DeepMind para a Anthropic é de aproximadamente 11 para 1.

As mudanças de pessoal em junho transformaram essa tendência de fluxo líquido de longo prazo em um sinal industrial mais direto: no mercado de talentos de modelos de ponta, a Anthropic já não é mais apenas uma seguidora da OpenAI, mas desenvolveu uma atração independente em cultura de pesquisa, retenção de talentos e narrativa de missão.

Julho: A disputa por talentos se aprofunda na organização, na capacidade de processamento e na segurança. As mudanças na equipe da OpenAI revelam atritos organizacionais após a escala.

Em 7 de julho, o principal futurólogo da OpenAI, Joshua Achiam, que atuou por quase nove anos, anunciou sua saída.

Achiam foi responsável pelo alinhamento de missão da OpenAI e participou longamente das discussões sobre segurança e estratégia de longo prazo da empresa. Ao deixar a empresa, ele não revelou seu novo empregador, apenas afirmou que avançar a missão da IA não precisa necessariamente envolver permanecer dentro de laboratórios de ponta.

Dois dias depois, Fidji Simo, responsável pela implantação da AGI, deixou seu cargo em tempo integral devido a problemas de saúde de longa data e passou a atuar como consultor em regime parcial, com suas responsabilidades sendo distribuídas entre outros executivos sênior.

As razões para a saída das duas pessoas são diferentes e não podem ser simplificadamente resumidas como “OpenAI perdeu o controle” ou “a equipe de segurança mais uma vez deixou a empresa”. No entanto, ao observar os dois eventos juntos, é possível perceber os problemas estruturais enfrentados pela OpenAI: ela passou de um laboratório de pesquisa a uma grande empresa de tecnologia que lida simultaneamente com produtos para consumidores, receita corporativa, infraestrutura, lobby político, governança de segurança e pressões potenciais dos mercados financeiros.

À medida que a organização cresce, torna-se cada vez mais difícil manter fronteiras claras para cargos baseados em missão. Pessoas responsáveis por segurança, riscos de longo prazo ou impacto social precisam constantemente negociar com a velocidade do produto, a receita comercial e a pressão competitiva.

Quanto mais bem-sucedido o laboratório de ponta, mais a organização se assemelha a grandes empresas de tecnologia tradicionais. Dados da SignalFire mostram que, na composição de equipe dos laboratórios de IA de ponta, cargos de recursos humanos e recrutamento representam cerca de 9,2%, cargos financeiros representam 5,1% e cargos jurídicos representam 2,3%.

Essas proporções refletem que os laboratórios de ponta já não são mais apenas conjuntos de cientistas e engenheiros. Incentivos por ações, aquisição de poder computacional, conformidade regulatória, litígios de talentos e recrutamento entre empresas estão aumentando a complexidade da gestão organizacional.

As pessoas deixam às vezes não porque a empresa se tornou menos importante, mas porque, em uma organização em rápida expansão, têm menos capacidade de decidir.

O responsável pela infraestrutura começou a ser remunerado ao mesmo nível que os cientistas de modelos

Em julho, a mobilidade de talentos claramente se expandiu para a infraestrutura de poder de computação e implementação comercial.

O vice-presidente sênior de computação e aprendizado de máquina da AWS, Dave Brown, deixou a Amazon após quase 19 anos para se juntar ao Meta, participando da expansão de seus data centers; Robert Hundt, antigo líder de software do TPU do Google, juntou-se à Amazon para liderar a arquitetura de software Neuron; e Francis deSouza, diretor operacional e responsável pelos produtos de segurança do Google Cloud, foi nomeado novo CEO da Scale AI, assumindo o cargo em 10 de agosto.

Essas mudanças indicam que o gargalo da competição em IA já passou de “ter ou não ter modelos” para “conseguir fornecer de forma estável capacidade de processamento, treinar e implantar modelos, e transformar demonstrações técnicas em sistemas de produção”.

O líder de pesquisa determina o limite de capacidade do modelo, o líder de infraestrutura determina a velocidade de desenvolvimento e o custo por unidade, e o líder de operações empresariais determina se o modelo pode ser convertido em receita. Três tipos de profissionais que antes estavam em mercados de contratação distintos agora estão sendo colocados na mesma tabela de licitação.

O Meta contratou um executivo de longa data da Amazon responsável por operações de computação, não para obter experiência em nuvem tradicional, mas para gerenciar a construção de data centers, o fornecimento de servidores e a implantação de chips em escala de bilhões de dólares. A Amazon também absorveu talentos de software do TPU do Google com o objetivo de reduzir a barreira de entrada para o uso do chip próprio Neuron e diminuir a dependência de seus negócios de IA no ecossistema da NVIDIA.

Ao mesmo tempo, o ganhador da Medalha Fields em 2026, Jacob Tsimerman, anunciou que está tirando licença da Universidade de Toronto para se juntar à OpenAI e trabalhar em pesquisa de segurança de IA.

Isso indica que os principais laboratórios estão ampliando simultaneamente os limites de talento em duas direções: uma extremidade abrange data centers, software de chips e implantação empresarial; a outra extremidade abrange matemática, ciência teórica e segurança a longo prazo. O mercado de talentos em IA já não se limita mais a pesquisadores tradicionais de machine learning, mas está absorvendo quase todos os profissionais de alto nível capazes de melhorar a capacidade, confiabilidade e eficiência de industrialização dos modelos.

Ao mesmo tempo, as mudanças de pessoal públicas das empresas chinesas de IA são mais próximas de reorganizações de poder internas do que de grandes movimentos de talentos estrela entre empresas.

Em julho, a Tencent fundiu o departamento do modelo de linguagem grande Hunyuan com o departamento de modelos multimodais para formar o Departamento de Modelos Básicos, sob a gestão unificada do cientista-chefe de IA, Yao Shunyu. A ByteDance integrou a equipe de produtos Feishu com a equipe de produtos Doubao, sob a responsabilidade de Zhao Qi, líder do Doubao; além disso, o sistema GTM de mercado da Feishu foi further integrado ao Volcano Engine, sob a gestão unificada de Tan Dai para o mercado corporativo, vendas e serviço ao cliente.

Esses dois ajustes apontam na mesma direção que o fluxo de talentos no exterior: modelos básicos, produtos de IA e equipes de comercialização não podem mais operar em paralelo por longos períodos; o poder organizacional está se concentrando nas pessoas capazes de integrar modelos, produtos, capacidade de computação e receita.

No passado, grandes empresas podiam manter várias equipes de pesquisa simultaneamente, permitindo que diferentes departamentos explorassem direções semelhantes. No entanto, com o aumento rápido dos custos de treinamento, a convergência das capacidades dos modelos e a exigência da administração de que os investimentos em IA gerem receita o mais rápido possível, a tolerância à duplicação está diminuindo.

Yao Shunyu, Zhao Qi e Tan Dai não receberam apenas cargos mais altos, mas sim um controle mais completo sobre a alocação de recursos. No futuro, o que será mais escasso nas grandes empresas chinesas não será apenas cientistas capazes de publicar artigos, mas sim gestores técnicos com capacidade de coordenação interdepartamental, capazes de transformar a capacidade dos modelos em escala de usuários, receita em nuvem e clientes corporativos.

Isso é logicamente o mesmo que a disputa entre laboratórios de ponta nos Estados Unidos por arquitetos e responsáveis por infraestrutura: as empresas precisam de pessoas capazes de ser responsáveis por resultados completos, e não apenas de mais especialistas em pontos isolados.

Em 5 de agosto, o Google anunciou o maior ajuste na liderança de IA dos últimos anos.

Demis Hassabis não está mais responsável pela operação diária do Google DeepMind, passando a atuar como presidente do Google DeepMind e cientista-chefe da Alphabet, continuando a se concentrar em inteligência artificial geral, pesquisa científica e Isomorphic Labs.

O ex-chefe de tecnologia do Google DeepMind, Koray Kavukcuoglu, foi promovido a vice-presidente sênior, relatando diretamente ao CEO da Alphabet, Sundar Pichai, e assumindo a coordenação do desenvolvimento do modelo Gemini, pesquisa de ponta, aplicações Gemini e equipe de desenvolvedores.

Este ajuste separa efetivamente a direção científica das operações cotidianas: Hassabis continuará responsável pela pesquisa de longo prazo e pela visão científica, enquanto Kavukcuoglu se tornará o responsável operacional pelos modelos, produtos e ecossistema de desenvolvedores.

No mesmo dia, o cientista-chefe do Google, Jeff Dean, encerrou sua carreira de 27 anos na empresa e, juntamente com Sanjay Ghemawat, fundou a Discovery Loop. Pessoas-chave que participaram por muito tempo do Google Brain, modelos de sequência e do Gemini, como Oriol Vinyals e Quoc Le, também se juntaram à equipe fundadora da nova empresa.

O objetivo do Discovery Loop é utilizar IA para automatizar descobertas em machine learning, ciência e engenharia. O Alphabet participa como investidor fundador e fornece suporte em nuvem, indicando que não se trata de uma ruptura tradicional, mas sim de uma nova relação organizacional.

As grandes empresas de tecnologia não tentam mais manter permanentemente todos os principais talentos internamente, mas sim mantêm conexões por meio de investimentos, serviços em nuvem e parcerias ecológicas. Para pesquisadores, deixar grandes empresas para fundar empresas independentes oferece maior participação acionária e controle mais completo sobre a pesquisa; para o Google, permitir que talentos centrais empreendam externamente é mais fácil de preservar relações estratégicas do que perdê-los completamente para a OpenAI, Anthropic ou Meta.

Mas ainda é uma grande perda de talento para o Google. Dean, Ghemawat, Vinyals e Le abrangem sistemas distribuídos, Google Brain, modelos sequenciais, aprendizado por reforço e Gemini, sendo capazes de influenciar desde a infraestrutura básica até a rota dos modelos.

Juntamente com o fluxo de talentos-chave para a OpenAI e a Anthropic em junho, o Google não está enfrentando apenas a saída de um ou dois funcionários, mas sim a dissolução de sua comunidade de pesquisa original, com membros se transferindo para concorrentes e novas startups.

O Google ainda possui vastos recursos de computação, dados, pontos de entrada de produtos e reservas de pesquisa, mas os recursos privilegiados das grandes empresas não se transformam automaticamente em lealdade de talentos. Quando pesquisadores acreditam que plataformas externas oferecem maior autonomia de decisão, contribuições pessoais mais claras e maiores ganhos com ações, a reputação histórica apenas atrasa o fluxo, mas não o impede.

Essa rodada de mudanças de pessoal no verão de 2026 mostra que os melhores talentos em IA estão se afastando da lógica profissional tradicional baseada em "marca de grandes empresas, altos salários e promoção interna".

Eles valorizam mais a capacidade de cálculo disponível do que o poder de cálculo total registrado na contabilidade da empresa; valorizam mais a autoridade final sobre a direção tecnológica do que cargos nominalmente mais altos; a participação acionária em empresas próximas à fase de liquidação de capital, o papel de fundador de novas empresas e áreas de pesquisa com maior senso de missão, como ciência da IA e segurança da IA, também se tornaram moedas-chave além da remuneração em dinheiro.

Portanto, para avaliar se uma empresa de IA é verdadeiramente forte, não basta observar rankings de modelos, tamanho de parâmetros e valor de financiamento; é preciso analisar três questões.

Primeiro, os pesquisadores-chave permanecem ou se deslocam rapidamente para concorrentes após o lançamento do modelo.

Em segundo lugar, o responsável pela infraestrutura possui orçamento e poder de decisão suficientes para realmente organizar os chips, os data centers e a pilha de software?

Terceiro, se a velocidade da comercialização estabeleceu limites claros de responsabilidade antes de erosionar a missão de pesquisa.

Minha avaliação final é que o verão de 2026 não será um breve movimento de talentos, mas um ponto de virada no qual a indústria de IA passará da "competição de modelos" para a "competição de capacidade organizacional".

O futuro vencedor não será necessariamente a empresa que fizer a melhor oferta, mas sim a organização capaz de fornecer aos melhores talentos poder de processamento, autonomia, participação acionária e responsabilidade real.

Modelos podem ser alcançados, dados podem ser comprados, chips podem ser obtidos por meio de fila; mas uma equipe central disposta a trabalhar juntos a longo prazo e com limites de poder bem definidos está se tornando o ativo mais difícil de replicar na indústria de IA.

1. SignalFire: Relatório sobre o Estado do Talentos 2026, 22 de junho de 2026.
2. SignalFire: Relatório sobre o Estado do Talentos em Tecnologia 2025, 2025.
3. Bloomberg, Los Angeles Times: “Google Atingido por Nova Fuga de Cérebros de IA à Medida que a Anthropic Recruta os Melhores Talentos do Gemini”, 29 de junho de 2026.
4. WIRED: “O principal futurista da OpenAI está deixando a empresa”, 7 de julho de 2026.
5. Reuters: "Chefe de Implantação da AGI da OpenAI, Fidji Simo, deixa o cargo após licença médica", 9 de julho de 2026.
6. TMT Global, Electronic Engineering Album: "Mudanças de Liderança Empresarial em Empresas de Tecnologia Global em Julho de 2026", 6 de agosto de 2026.
7. Google: "The Next Chapter of Our AI Momentum", 5 de agosto de 2026.
8. Reuters: Google Reestrutura Liderança de IA com Mudança de Função do Chefe do DeepMind, 5 de agosto de 2026.