Eles Acabaram de Revelar Seu Processo Interno para se Tornar um FDE de IA
AAI LABS
Computing/SoftwareManagementJob Search
Transcript
00:00:00se você é alguém que sabe como usar IA, há uma oportunidade enorme bem diante de você agora e
00:00:04curiosamente, mesmo sendo um dos papéis que as empresas mais precisam, elas mal conseguem achar
00:00:09alguém que saiba fazer isso; essa oportunidade é um cargo chamado engenheiro de implantação avançada ou FDE e
00:00:14não é que o trabalho seja difícil de aprender, é só que as pessoas não sabem que esse cargo existe para
00:00:19começar conversa e, no último mês, esse cargo ficou importante o bastante para que as pessoas que lideram
00:00:24essas equipes na OpenAI, Anthropic e Cursor viessem a público dar palestras sobre ele, e você não
00:00:29costuma ouvir nada disso porque elas estão detalhando projetos reais dentro de empresas
00:00:33reais, então nós analisamos todas elas e tiramos as partes que você realmente pode usar agora; se
00:00:38você é novo no canal, seja bem-vindo, nós somos uma empresa de software e este é o AI Labs, onde mostramos
00:00:43como otimizar um negócio com IA usando métodos comprovados da nossa própria equipe, e neste vídeo vamos
00:00:48explicar o que é um FDE, como as grandes empresas realmente fazem esse trabalho e como você pode começar a
00:00:53fazer isso você mesmo, mas antes de entrarmos em qualquer detalhe, vamos começar definindo o que um FDE
00:00:58realmente é: um engenheiro de implantação avançada, ou FDE para abreviar, é basicamente alguém cuja função inteira é fazer com que uma
00:01:03empresa use IA de fato, e isso não significa ir lá dar conselhos ou entregar algum
00:01:09documento de estratégia, significa colocar a IA rodando dentro dos sistemas que eles já usam para que o trabalho
00:01:14que as pessoas faziam manualmente passe a ser feito pela IA. Não importa que tipo de processo seja,
00:01:20há três coisas atuando nele: ou é um humano fazendo a tarefa, ou é um software que
00:01:25segue regras rígidas para fazer a tarefa, ou é uma IA, e um FDE é alguém que realmente sabe qual dessas
00:01:30três deve lidar com cada tarefa no processo. Por exemplo, uma empresa colocou um agente em seus pedidos de reembolso
00:01:36e, no papel, funcionou: ele lia cada pedido, verificava com a política de reembolso e recusava
00:01:41os que não se qualificavam, mas, algumas semanas depois, a empresa começou a perder clientes que tinha há
00:01:46anos e ninguém conseguia descobrir o porquê, pois cada reembolso recusado pelo agente era um que a política mandava
00:01:52recusar. Então o FDE foi sentar com a pessoa que costumava fazer esse trabalho e descobriu que ela tinha uma
00:01:57etapa própria que não estava documentada: ela verificava como o pedido havia sido pago e, se a compra
00:02:02tivesse sido feita em um cartão corporativo, ela simplesmente aprovava sem ler mais nada, porque esses vêm
00:02:06de empresas que compram todo mês, e discutir por causa de um reembolso faz você perder a conta. A política
00:02:11não dizia nada sobre isso, elas mesmas haviam resolvido isso anos atrás, então essa verificação entrou no
00:02:16fluxo de trabalho como uma regra fixa antes de qualquer coisa decidida pelo modelo. Agora, quando você trabalha com pessoas, há um
00:02:22problema: a maioria delas não consegue dizer do que precisa, elas vão descrever algo que já imaginaram
00:02:26em vez do problema que estão realmente enfrentando, e esse é o maior obstáculo para fazer uma empresa
00:02:31adotar IA. Eis o motivo: as pessoas que realmente executam o trabalho sempre precisam apenas concluir suas tarefas,
00:02:36elas só querem que o resultado saia da forma mais fácil possível, elas não olham para o processo em si, então é
00:02:41muito difícil construir algo que elas adotem, e é exatamente aí que a maioria das empresas está
00:02:46agora. Desde que a IA se tornou popular, elas vêm inserindo-a em tudo o que fazem sem realmente saber
00:02:51se sequer precisam dela para começar, e é por isso que todo mundo de repente está contratando alguém que possa
00:02:55resolver isso para eles. As vagas para esse cargo subiram 729% em um ano, a AWS investiu um bilhão
00:03:02de dólares para construir um departamento inteiro de engenheiros de implantação avançada, e a equipe de FDE da própria OpenAI foi
00:03:08de duas pessoas em janeiro para 39, e tudo isso aconteceu muito rápido porque há três anos basicamente
00:03:13ninguém precisava de um FDE, e agora há mais de cem startups contratando para esse cargo só na Y Combinator,
00:03:19que é onde muitas das maiores startups de hoje começaram. Colin Jarvis lidera a equipe
00:03:24de implantação avançada na OpenAI e ele diz que simplesmente não há muitos FDEs por aí, então a demanda
00:03:29cresceu antes das pessoas. Antes de nos aprofundarmos mais nesse papel, seria ótimo se você se inscrevesse no
00:03:34canal e curtisse o vídeo. Esse pequeno gesto de apoio nos ajuda muito. Então a demanda
00:03:40existe, mas isso ainda não explica por que um FDE precisa ser um cargo separado, pois as ferramentas não são a
00:03:45parte difícil, qualquer um pode se cadastrar nelas e a maioria das empresas já faz isso. No ano passado, o MIT realizou um estudo
00:03:51exatamente sobre isso: analisaram 300 projetos de IA e entrevistaram centenas de pessoas dentro das empresas
00:03:56que os executaram, e descobriram que 95% desses projetos não produziram nenhum retorno mensurável, e a própria conclusão do MIT
00:04:03foi que as próprias empresas causaram os fracassos, e não os modelos. As que não obtiveram
00:04:08nada usavam ferramentas genéricas que pareciam boas em uma demonstração e desmoronavam no momento em que eram aplicadas a
00:04:13trabalhos reais, e nada do que construíam ao redor dessas ferramentas jamais aprendeu como o negócio deles realmente funcionava. Agora,
00:04:18Vasuman Moza faz esse tipo de trabalho para viver: ele foi engenheiro na Meta e agora sua empresa faz a IA
00:04:24funcionar dentro de grandes empresas, essencialmente ele é um FDE, então ele viu muitos desses projetos darem errado
00:04:30de perto e diz que a IA é apenas colada em cima de processos quebrados porque ninguém olha de fato
00:04:36para o processo primeiro. Um executivo com quem ele conversou torrou um orçamento de 10 milhões de dólares em três meses
00:04:41e o dinheiro era para durar um ano; a empresa dele havia entregue as ferramentas para todo mundo e apenas deixado
00:04:46por conta própria, então cada um inventou o que quis, o dinheiro foi embora e nada disso tornou o negócio
00:04:51melhor em nada do que já fazia, e a razão pela qual esse trabalho precisa ser a ocupação de alguém
00:04:56é que ninguém de dentro da empresa vai fazê-lo: os engenheiros têm o próprio trabalho para realizar
00:05:00e as pessoas que administram o processo o fazem há tanto tempo que as gambiarras nele parecem
00:05:05completamente normais para elas. A Palantir perdeu um ano inteiro por causa de uma dessas gambiarras: uma mudança
00:05:10para um novo formato de arquivo travou porque uma engenheira insistia que o novo formato era pior e ninguém
00:05:15descobria o porquê até que alguém observou o trabalho dela de perto; descobriu-se que ela conferia os dados
00:05:20dando dois cliques para abrir os arquivos, e o formato novo não tinha nada em que se pudesse dar dois cliques, então a equipe construiu para ela
00:05:26algo naquela mesma noite que permitia abrir os arquivos novos do mesmo jeito, e ela aprovou a mudança dois dias depois.
00:05:31Portanto, vale a pena ter alguém cuja única função seja resolver tudo isso antes que qualquer coisa
00:05:36seja construída, pois a alternativa é desperdiçar todo o seu custo e esforço. Muitas grandes empresas como
00:05:42Anthropic e OpenAI deram palestras recentemente sobre como lidam com todo esse processo internamente;
00:05:47nós compilamos o melhor dessas palestras e, ao analisá-las, descobrimos que os mesmos padrões continuavam aparecendo
00:05:52em absolutamente todos os fluxos de trabalho. O primeiro passo é escolher o processo que de fato está custando caro
00:05:57à empresa, e com IA isso basicamente significa volume, então você procura a pessoa que lida com o
00:06:02mesmo tipo de mensagem 50 vezes por dia, pois automatizar uma mensagem não poupa nada para ninguém, mas automatizar
00:06:08uma mensagem que precisa ser enviada mil vezes por semana é onde a empresa realmente se torna mais
00:06:13produtiva e fatura mais, e esse trabalho é fácil de achar agora porque uma empresa já tem todo o seu histórico no
00:06:19histórico de suporte; você entrega isso a um modelo e ele diz onde está o volume. A equipe da OpenAI fez
00:06:24exatamente isso em um dos maiores bancos do mundo: focaram na única tarefa que milhares de
00:06:29assessores realizavam todos os dias, e cerca de 98% deles acabaram usando o que construíram. O segundo passo é construir
00:06:35em cima do que a empresa já utiliza, e com IA isso importa muito mais do que antes,
00:06:40porque um agente vale apenas pelo que ele consegue alcançar; então, se uma equipe já mantém todo o seu trabalho no Notion, você
00:06:45não cria um sistema separado para eles e migra tudo só para um agente ler com mais facilidade,
00:06:50você conecta o agente ao Notion deles com um MCP e todo mundo continua trabalhando do jeito que sempre
00:06:56fez. É assim que a maioria deles funciona, porque eles não querem abandonar um sistema no qual já investiram muito
00:07:00tempo e dinheiro. Um dos clientes de Moza havia gasto cinco milhões de dólares e cinco anos para adotar seu
00:07:05sistema financeiro, então tirá-los desse sistema nunca ia acontecer; o trabalho inteiro era fazer
00:07:10todo o resto daquela empresa se comunicar com ele. O terceiro passo é não mudar a maneira como as pessoas trabalham mais
00:07:16do que o necessário: se alguém executa um processo de 11 etapas há anos e você lhe entrega uma versão
00:07:21de uma etapa só, elas param de usar; antes elas conferiam o trabalho à medida que avançavam e agora o meio sumiu
00:07:26e estão sendo convidadas a confiar em uma resposta que simplesmente apareceu. Por isso, Moza diz que você precisa deixar o processo
00:07:31parecido com o que as pessoas já conhecem: você deixa o agente fazer o trabalho dentro de cada etapa, mas mantém
00:07:35as etapas lá para que as pessoas ainda tenham algo visível que lhes permita saber que a resposta
00:07:40está certa. E o último passo é destinar muito mais tempo para a confiança do que para a construção: naquele mesmo banco,
00:07:45a OpenAI entrou, o lado técnico foi concluído em seis a oito semanas e depois foram necessários outros quatro
00:07:50meses de testes piloto antes que os assessores passassem a confiar de fato nisso, porque se você faz
00:07:55algo todo dia do mesmo jeito que faz há um ano, qualquer mudança nesse processo precisa
00:08:00conquistar seu espaço, quer você esteja entregando isso para 5.000 pessoas ou para cinco. Mas antes de prosseguirmos,
00:08:05vamos ouvir uma palavra do nosso patrocinador, Dex AI, a agência de talentos para engenheiros de software; você não tem escassez de
00:08:10oportunidades, você tem escassez das certas; as melhores vagas nunca são publicadas, elas vão para quem está
00:08:15na rede de contatos. O Dex resolve isso: funciona inteiramente em seu nome, não é um mural de empregos nem um recrutador, é
00:08:20o contato interno que coloca você na sala. Então eu tentei: você orienta o Dex uma vez sobre o que faz e o que quer; honestamente,
00:08:25a conversa me conquistou, ele faz as perguntas certas e entende o que você busca, depois faz o trabalho: nada
00:08:30de candidaturas, nada de triagens de recrutadores, o Dex retorna com uma lista curta de vagas selecionadas de startups como
00:08:36linear e atio com uma média de mais de 150.000 dólares. Cada função é escolhida a dedo para garantir a adequação, nunca raspada por um bot. Você obtém
00:08:43uma linha direta com a equipe de contratação com o salário antecipado. Da indicação à oferta a média é de 29 dias em comparação com 55 em uma
00:08:49plataforma de empregos. É gratuito para engenheiros, então pare de se candidatar e comece a ser apresentado. Conheça o dex no link do
00:08:55comentário fixado. Então é assim que as grandes empresas inserem a IA em um negócio. Agora, se você quiser realmente executar
00:09:00isso sozinho, o roteiro tem cinco etapas e a primeira acontece antes de você construir qualquer coisa. Primeiro, você precisa
00:09:06observar como um trabalho é realmente feito e anotar cada uma das etapas na ordem em que realmente
00:09:11acontece. Depois, você precisa perguntar por que cada uma dessas etapas é feita da maneira que é e, se ninguém puder dar
00:09:16a você um motivo concreto, geralmente é uma solução alternativa que alguém implementou anos atrás e que ninguém questionou
00:09:21desde então. Em segundo lugar, você precisa decidir quais partes desse processo devem realmente se tornar IA e quais partes
00:09:26não deveriam, porque se você entregar tudo a um modelo, é exatamente assim que você acaba naqueles 95%
00:09:32de projetos de IA que nunca produzem nada. Portanto, você precisa submeter cada etapa que anotou a três
00:09:38filtros. O primeiro é se essa etapa segue uma regra fixa e precisa dar certo todas as
00:09:43vezes. Se for assim, ela continua sendo um software comum e não precisa ser automatizada com IA. O
00:09:48segundo é se alguém precisa ler algo confuso e tomar uma decisão sobre isso, porque essa é
00:09:53a parte para a qual o modelo realmente serve. E o terceiro é quanto custa quando algo dá errado, porque se errar
00:09:58for caro, essa etapa fica com uma pessoa, mesmo que um modelo pudesse fazê-la. E uma vez que você tenha feito
00:10:03isso, você quase nunca descobrirá que o processo inteiro deve ser executado por IA. Algumas etapas continuam como software,
00:10:08algumas vão para o modelo e algumas ficam com uma pessoa. No exemplo de Moza de um processo de oito etapas, quatro das
00:10:14etapas acabaram rodando sozinhas, outras três rodaram com uma pessoa verificando o resultado antes de ele ir
00:10:19para qualquer lugar, e a última continuou totalmente humana. E o motivo dessa etapa ser totalmente humana é porque
00:10:24é uma decisão de negócios que a IA ainda não consegue tomar; portanto, ou o custo de errar é alto demais para delegar,
00:10:29ou a etapa não surge com frequência suficiente para que um modelo valha a pena. Terceiro, você precisa
00:10:34construir pensando nas maneiras pelas quais o sistema pode falhar, e não apenas no caso em que tudo dá certo. E Moza diz
00:10:39que, quando há apenas uma maneira de algo dar certo, também há mil maneiras de dar errado.
00:10:44Portanto, se você construir apenas para a forma como dá certo, o que você construiu não vale nada. E com a IA, isso na maioria das vezes
00:10:50significa lidar com os momentos em que o modelo não tem certeza, porque ele fornecerá uma resposta de qualquer maneira,
00:10:55mesmo quando não tiver ideia. Quarto, você precisa garantir que o sistema realmente funcione antes de deixá-lo chegar perto
00:11:00de qualquer coisa real. Agora, um modelo dá uma resposta ligeiramente diferente a cada vez, mesmo se você fizer a mesma
00:11:05pergunta; portanto, se você testar o sistema apenas algumas vezes, vai perder as raras ocasiões em que ele
00:11:09falha. O que você faz em vez disso é pegar exemplos reais do processo que você anotou, onde você já sabe
00:11:14a resposta certa, e então você executa o sistema em todos eles e conta quantos ele acertou; depois,
00:11:20você vai e lê os que ele errou e corrige isso. E por último, você precisa colocar um número no que aquilo realmente
00:11:25valia, e você deve ser capaz de dizer se trouxe dinheiro, reduziu custos ou diminuiu um risco,
00:11:30porque nada mais conta. Agora, a Cursor teve alguém reclamando com eles que um agente estava
00:11:35lhe custando dois mil dólares por dia, e quando eles perguntaram o que aquele agente estava realmente fazendo,
00:11:39descobriu-se que ele estava apenas escolhendo qual engenheiro enviar para consertar um equipamento quebrado. Então eles perguntaram
00:11:44qual era o custo de enviar a pessoa errada, e era mais do que dois mil por dia, e ele
00:11:49concordou imediatamente, porque tudo o que ele vinha observando era o que o agente estava custando e nunca o que
00:11:54ele estava economizando. E esses cinco passos são como construímos o chatbot interno em nossa própria empresa
00:11:59de software. Agora, se você viu nossos vídeos anteriores, saberá que é basicamente apenas uma interface de chat
00:12:03que permite que as pessoas não técnicas da nossa equipe usem o Claude Code e tudo o que ele pode fazer. Nós o construímos
00:12:09porque o pessoal de RH e contabilidade não são engenheiros, e tudo relacionado ao Claude Code pressupõe
00:12:14que você seja um. Antes que o Claude Code pudesse fazer algo útil para o trabalho deles, ele precisaria estar conectado ao
00:12:19Slack, ao e-mail e ao restante do que eles usam todos os dias, e esse é um trabalho de configuração que nenhum deles
00:12:24iria fazer. Então, a interface de chat faz toda essa conexão para eles, e eles apenas digitam o que
00:12:29precisam. Mas nós não começamos construindo; nossos engenheiros foram sentar com o pessoal de RH e contabilidade
00:12:34primeiro, porque a engenharia fazia ideia de como aqueles departamentos realmente passavam os dias. Então eles passaram
00:12:39tempo adequado nesses departamentos e anotaram cada tarefa repetitiva que estava sendo feita manualmente,
00:12:45e então descobriram quais delas um modelo poderia assumir razoavelmente. Em seguida, esse documento acabou
00:12:50sendo a maior parte da construção: esses processos anotados tornaram-se as instruções que os agentes seguem
00:12:54e o conhecimento a partir do qual o chatbot responde. Depois, entregamos a primeira versão de volta a esses departamentos
00:12:59e pedimos que a usassem em seu próprio trabalho real, e eles voltaram e nos disseram que realmente estava economizando tempo.
00:13:05Agora, a última pergunta é o que você realmente precisa saber fazer para executar tudo isso. Uma das empresas
00:13:09que contrata exatamente para essa função quer pessoas que entendam amplamente de processos de negócios e tecnologia,
00:13:15com uma área em que sejam genuinamente profundas. Eles dizem que a parte de negócios se aprende no trabalho, enquanto a
00:13:20parte técnica não, mas para você isso provavelmente está ao contrário, porque você só precisa focar na
00:13:25parte de negócios, já que a construção é feita por agentes agora. E tudo bem, porque um executivo da Palantir diz
00:13:30que a pessoa que falha nessa função é o engenheiro cauteloso que quer um código que ainda se sustente daqui a 10
00:13:36anos. O trabalho é colocar algo bruto na frente de um usuário real rapidamente, o que é basicamente o que um
00:13:41agente como o Claude Code entrega a você na primeira tentativa de qualquer forma. Então, agora que você sabe o que um FTE faz e
00:13:47como o trabalho realmente é feito, vamos ver o que você vai fazer com isso. O lugar para começar é o
00:13:51menor negócio em que você possa entrar fisicamente, seja onde você trabalha ou em algum lugar que um amigo gerencie. Então você pergunta
00:13:57a quem o dirige se você pode passar uma hora sentado ao lado de quem faz o trabalho mais repetitivo
00:14:02do lugar enquanto eles estão realmente fazendo isso, e então você simplesmente executa os cinco passos sobre o que viu. O que
00:14:07sai do outro lado se chama auditoria, e é algo real pelo qual as empresas realmente pagam. Moza, que
00:14:12gerencia esses projetos de IA dentro de grandes empresas, começa cada um deles com uma auditoria antes que qualquer coisa
00:14:18seja construída, e ele diz que a primeira fase é o maior gargalo em todo o trabalho. E é isso que
00:14:23você apresenta às pessoas, quer esteja se candidatando a uma vaga de FTE ou apresentando uma proposta diretamente a uma empresa,
00:14:28porque dentro dela você tem o processo de uma empresa real anotado, as etapas que você delegaria para a
00:14:32IA e o que cada uma delas vale para eles em termos financeiros. Agora, temos roteiros e guias selecionados para aqueles
00:14:38que desejam mergulhar mais fundo na função de FTE, que podem ser encontrados no AI Labs Pro, que é a nossa comunidade. Portanto,
00:14:44se você encontrou valor no que fazemos e deseja apoiar o canal, esta é a melhor maneira de fazer isso. Os
00:14:49links estão na descrição. Isso nos traz ao fim deste vídeo; se você quiser apoiar o canal
00:14:54e nos ajudar a continuar fazendo vídeos como este, você pode fazer isso usando o botão de valeu demais abaixo. Como
00:14:59sempre, obrigado por assistir e vejo você no próximo