GPU-less: o Engenheiro de Agentes é a profissão que a Nvidia está criando

Esta série começou com uma notícia de hardware e vai terminar numa descrição de trabalho.

Recapitulando o caminho até aqui:

→ No primeiro texto, a compra da Hugging Face pela Nvidia mostrou que a maior fabricante de GPU do mundo está apostando num futuro em que ninguém precisa pensar em GPU. Modelo vira matéria-prima; processamento vira faturamento por minuto.

→ No segundo, a consequência: quando código e modelo ficam baratos, o que sobra de propriedade intelectual é o dado organizado, o critério de decisão e o ciclo de aprendizado da operação. E a fragmentação do ofício de IA vai premiar quem está mais perto do problema de quem paga.

Falta a última peça: quem faz esse trabalho?

A pilha que está se formando

Vale desenhar o mercado como uma pilha de três andares.

Embaixo, a infraestrutura. GPU, data center, energia, gateway de modelos. É onde a Nvidia está, e onde ela acaba de comprar o balcão de distribuição. Andar caro de construir, dominado por poucos, e cada vez mais invisível para o usuário — o sentido exato de GPU-less.

No meio, os modelos. Três milhões deles na Hugging Face, os fechados dos grandes laboratórios, os abertos que ficam bons o bastante a cada trimestre. Andar de competição feroz, em que a liderança dura semanas e o preço só cai.

Em cima, o problema de negócio. O atendimento que precisa responder certo às dez da noite, o orçamento que precisa sair em uma hora em vez de três dias, a cobrança que não pode esquecer ninguém. Andar em que cada empresa é diferente e nada vem pronto.

A infraestrutura e os modelos estão ficando parecidos para todo mundo. O problema de negócio nunca vai ficar. O valor está migrando para a ligação entre o andar do meio e o andar de cima.

O profissional da ligação

A pessoa que ocupa esse espaço faz quatro coisas que nenhum outro papel faz completo:

1. Entra na operação. Senta com quem executa, não só com quem decide. Descobre onde o processo real diverge do processo descrito — e quase sempre diverge.
2. Traduz critério em instrução. Pega o jeito como a empresa decide o que é “bom” e transforma em regras, exemplos e verificações que um agente consegue seguir.
3. Monta o agente sobre a infraestrutura commodity. Escolhe modelo, ferramentas e integrações pensando em trocar qualquer peça sem refazer tudo. É justamente porque o andar de baixo virou commodity que esse trabalho ficou viável para empresas de qualquer tamanho.
4. Fecha o ciclo. Mede o resultado, trata o erro como sinal, ajusta semana a semana. Um agente sem esse acompanhamento piora com o tempo; com ele, melhora.

Isso tem nome. Chamamos de Engenharia de Agentes — e o modelo de trabalho por trás dela, que as empresas de IA mais sérias do mundo vêm adotando, é o Forward Deployed Engineering: o engenheiro que trabalha dentro do cliente, e não atrás de um balcão de suporte.

Não é engenheiro de machine learning — ele não treina modelo. Não é “engenheiro de prompt” — prompt é uma das ferramentas, não o ofício. Não é consultor de slide — ele entrega o sistema funcionando e fica até ele se pagar.

A economia disso

A aposta GPU-less muda a conta de um jeito simples.

Quando a infraestrutura era cara e difícil, o gargalo era técnico: poucas empresas conseguiam ter IA funcionando. Quando a infraestrutura vira faturamento por minuto, o gargalo passa a ser configuração: todas conseguem ligar um modelo, poucas conseguem fazê-lo resolver o problema certo do jeito certo.

O modelo de negócio que nasce daí é quase uma frase: compra-se processamento como insumo, vende-se resultado como serviço. O custo do token cai; o valor do agente que resolve um problema real, não.

É a mesma transição que o setor de serviços viu com a nuvem. Ninguém paga uma agência pelo servidor em que o site roda. Paga pelo site que vende.

O risco que quase ninguém menciona

Seria desonesto terminar a série sem o contraponto.

Quem domina o andar de baixo tem todo incentivo para subir. A Nvidia não comprou a Hugging Face para ficar só vendendo minutos de GPU. É razoável esperar que, com o tempo, surjam serviços cada vez mais prontos em cima da plataforma — agentes genéricos para atendimento, para vendas, para documentos.

Isso ameaça a camada de configuração? Em parte, sim. Toda configuração que for genérica vai ser engolida por produto. O agente de atendimento “padrão”, que responde perguntas frequentes a partir de um PDF, vai virar recurso de plataforma, barato e bom o bastante.

O que não vai ser engolido é o que depende de estar dentro de uma operação específica: o critério que só aquela empresa tem, o dado que só ela organizou, o ciclo que só ela sustenta. Plataforma nenhuma, por maior que seja, senta ao lado do seu gerente de operação às sete da manhã.

A lição para quem faz esse trabalho é clara: se o que você entrega poderia ser um botão numa plataforma, um dia vai ser. O valor defensável está na proximidade, não na técnica.

E a lição para quem contrata é o espelho disso: desconfie de quem vende agente como produto de prateleira. Se funciona igual para todo mundo, você está pagando caro por algo que logo virá de graça.

O fecho

A Nvidia gastou US$ 13 bilhões apostando que a infraestrutura de IA vai sumir de vista. Se ela estiver certa — e o histórico do serverless sugere que está —, a pergunta que define os próximos anos não é quem tem a melhor GPU, nem o melhor modelo.

É quem sabe transformar esse insumo barato e abundante em trabalho que resolve o problema de alguém.

Essa é a profissão que a abstração da GPU está criando. Ela ainda não aparece nos rankings de carreira. Vai aparecer.

Este é o último texto da série GPU-less. Quer saber se algum processo do seu negócio já está no ponto de receber um agente? Comece pelo Teste dos 6 Pontos.