O talento mais escasso em IA não é escrever prompt. A Anthropic põe US$ 100 milhões em quem leva IA à produção

Quem já tentou levar um agente de IA do piloto para a produção numa empresa grande conhece o roteiro. A demo convence a diretoria em uma semana. Depois vêm três meses de revisão de segurança, discussão com o jurídico sobre dados pessoais, fila no time de infraestrutura e uma pergunta que ninguém quer responder: quem opera isso depois do go-live? A Anthropic acaba de colocar um preço nesse gargalo: US$ 100 milhões.

Em 2 de outubro, a empresa lançou a Claude Frontier Academy, com a meta de formar 10 mil Frontier Deployed Engineers até o fim de 2027. As primeiras turmas vêm de Accenture, Bain, Capgemini, Commonwealth Bank of Australia, Deloitte, McKinsey, Morgan Stanley e Novo Nordisk. O valor chama atenção, mas o mais revelador é o que o programa decidiu ensinar.

O que a Anthropic anunciou

O programa começa com uma etapa presencial de alguns dias, montada em torno de uma implantação simulada numa empresa. Quem passa recebe o selo de Claude Resident Engineer e entra numa residência de 12 semanas, liderando um projeto real com Claude dentro da própria organização. Ao concluir, recebe a credencial de Frontier Deployed Engineer, que a Anthropic espera conceder pela primeira vez no início de 2027.

A participação é por indicação dos times de conta da Anthropic, e o perfil buscado é o de um engenheiro de software hands-on que já construiu com LLMs. As primeiras turmas acontecem em São Francisco, Nova York e Londres. Não há turma anunciada no Brasil nem na América Latina.

O programa se apoia numa base bem maior de certificações: segundo a Anthropic, profissionais de 46 mil empresas parceiras já somam mais de 175 mil certificações Claude, e quase 4 mil pessoas concluíram o programa Basecamp. A Frontier Academy é deliberadamente mais estreita: menos gente, avaliada pela capacidade de colocar um caso de uso em produção.

O currículo é um mapa de onde os projetos morrem

O currículo cobre escolha do caso de uso, implementação, revisão de segurança, handoff para a produção e adoção pela organização. Vale ler essa lista como diagnóstico, porque cada item é um ponto onde projetos de IA costumam travar:

1. Escolher o caso de uso
2. Construir com dado real
3. Passar na revisão de segurança
4. Fazer o handoff para a operação
5. Garantir a adoção

• Onde o piloto costuma parar: Escolher o caso de uso · Construir com dado real
• Onde a produção se decide: Passar na revisão de segurança · Fazer o handoff para a operação · Garantir a adoção

Trabalho de engenhariaTrabalho organizacional

• A escolha do caso de uso define se o projeto vale o esforço de governança. Defendemos em nossas cinco provas para achar trabalho pronto para agentes que os melhores primeiros agentes entram numa decisão que um processo existente já toma.
• A revisão de segurança é onde as perguntas sobre identidade, acesso a dados e logs aparecem pela primeira vez, se ninguém as fez antes. No Brasil, é também onde o encarregado de dados pede a base legal de cada tratamento previsto na LGPD.
• O handoff é o momento em que o piloto vira responsabilidade operacional de alguém, com runbook, monitoramento e dono. Sem ele, o sistema pertence a quem o construiu até essa pessoa mudar de área.
• A adoção é onde o sistema que funciona encontra as pessoas cujo trabalho ele muda.

Nada disso é habilidade de prompt. São as habilidades de um engenheiro que também sabe atravessar uma empresa com um projeto debaixo do braço.

Por que esse papel é diferente do “engenheiro de IA”

O engenheiro que trabalha dentro do cliente, construindo sobre os sistemas reais dele, não é novidade em empresas de software. A novidade é um fornecedor de modelos formalizar o papel em escala e condicionar a credencial a um resultado em produção, não a uma prova.

Para quem contrata, isso muda a conta. Um engenheiro de IA excelente em RAG, evals e comportamento de modelos é necessário, mas não basta. Quem coloca o sistema no ar também precisa escrever o modelo de ameaças, negociar o acesso aos dados, sentar com o comitê de riscos e desenhar o handoff. Numa instituição financeira, isso tem amparo regulatório: a Resolução CMN nº 4.893 exige que bancos mantenham governança e controle sobre os serviços de processamento e nuvem que contratam. Um agente entregue por terceiros e sem dono interno é exatamente o tipo de dependência que a fiscalização do Banco Central pergunta como é gerida.

O que considerar antes de contar com isso

A credencial é de um fornecedor. O Frontier Deployed Engineer é treinado em Claude. As habilidades organizacionais valem para qualquer plataforma; a profundidade de produto, não. Se o ambiente da empresa é Microsoft, com Copilot Studio, Microsoft Foundry e Entra ID no centro, a mesma capacidade precisa existir apontada para esse stack.

A primeira leva vai para consultorias. Cinco das oito organizações iniciais vendem serviços. No Brasil, onde boa parte dos projetos de IA já chega pelas mãos de integradores e consultorias, a tendência é que essa capacidade apareça primeiro do lado do fornecedor. Isso torna o handoff ainda mais importante. Como mostramos ao analisar o investimento da Databricks no Brasil, a disputa por talento técnico aqui é real, e quem não forma gente própria fica refém do contrato.

A operação depois do go-live continua sendo sua. A residência acaba em 12 semanas. O agente continua rodando. Tratamos o risco de um agente sem dono na análise do Copilot Autopilot.

O que fazer agora

1. Dê nome ao papel, seja qual for: um engenheiro por caso de uso em produção, responsável pelo caminho da escolha ao handoff, não só pela construção.
2. Escreva o pacote de handoff primeiro: dono, runbook, conjunto de avaliação, revisão de acessos, plano de rollback. Faça disso a definição de pronto.
3. Coloque segurança, compliance e o encarregado de dados na primeira reunião de desenho, não na última.
4. Quando um parceiro entregar, compre a capacidade junto com o sistema. Ponha no contrato a transferência de conhecimento e um dono interno nomeado no go-live.
5. Forme um grupo pequeno em vez de uma plateia grande. Letramento em IA tem valor, mas a produção depende de poucas pessoas capazes de levar um sistema até a aprovação.

Para fechar

A aposta da Anthropic é que o gargalo da IA nas empresas deixou de ser o acesso a modelos e passou a ser gente capaz de transformar modelos em sistemas governados em produção. O currículo, pesado em revisão de segurança, handoff e adoção, descreve bem esse gargalo. Nenhuma empresa precisa de 10 mil desses engenheiros. Precisa de alguns, e de um plano claro para quem opera o sistema quando eles forem embora.