OpenAI investe loucamente 4 bilhões de dólares para competir pelo FDE, o fim para engenheiros de software afinal é trabalhar em regime de permanência

Ao horário local de 11 de maio, a OpenAI anunciou a criação de uma nova empresa chamada OpenAI Deployment Company (Empresa de Implantação OpenAI), com um investimento inicial superior a 4 bilhões de dólares, focada em ajudar empresas a construir e implantar sistemas de IA.

OpenAI investe 4 bilhões de dólares na criação de uma empresa de implantação

A OpenAI Deployment Company é uma parceria estabelecida conjuntamente pela OpenAI e por 19 das principais empresas de investimento, consultoria e integração de sistemas globais. Essa parceria é liderada pela TPG, com Advent, Bain Capital e Brookfield como cofundadores, e B Capital, BBVA, Emergence Capital, Goanna, Goldman Sachs, SoftBank Group, WPP e WCAS como sócios fundadores.

Para acelerar a expansão da equipe, a OpenAI Deployment Company também adquiriu a consultoria de inteligência artificial Tomoro, trazendo aproximadamente 150 engenheiros e especialistas experientes em implantação no local, que já podem começar a oferecer serviços desde sua fundação. Esses engenheiros trabalharão de perto com as equipes dos clientes, identificando cenários de aplicação de maior valor para IA e promovendo a implantação prática.

Isso representa uma mudança estratégica significativa para as empresas da OpenAI.

Nos últimos dois anos, a OpenAI mais dependia do ChatGPT Enterprise, API e capacidades de modelos para abrir mercado; mas agora, ela claramente reconhece que possuir apenas os modelos mais avançados não é suficiente para conquistar o mercado empresarial de antes. O que realmente determina a velocidade de comercialização da IA não são os parâmetros do modelo, mas sim a “capacidade de implementação”.

E é exatamente aí que o valor do Tomoro reside.

Então, quem é o Tomoro?

Fundado em 2023, o Tomoro desde o início carrega a marca de uma “empresa ecológica OpenAI”.

Ele começou como uma consultoria focada em implantação de IA empresarial e serviços de engenharia, cujo núcleo não é desenvolver modelos básicos, mas ajudar as empresas a integrar de fato os modelos da OpenAI nos seus negócios, resolvendo uma série de problemas complexos desde acesso a dados, governança de sistemas, controle de permissões até o design de fluxos de trabalho de produção.

Segundo a lista de clientes divulgada publicamente, o Tomoro já atendeu grandes empresas internacionais como Mattel, Red Bull, Tesco, Virgin Atlantic e Supercell.

Esses clientes têm um ponto em comum: não são “empresas de inovação tecnológica”.

Ou seja, o que o Tomoro faz melhor não é treinar modelos em laboratórios de IA, mas levar a IA do conceito à produção em ambientes de negócios tradicionais, mais complexos e reais.

Curiosamente, o Tomoro também possui uma filosofia de desenvolvimento atraente: construir uma semana de trabalho de três dias. Em seu site, o Tomoro afirma:

“A revolução da inteligência artificial oferece uma oportunidade de remodelar a sociedade. Não somos observadores, mas criadores — construiremos juntos um mundo do qual nós e as futuras gerações nos orgulharemos.

Nossa missão é equilibrar a produtividade da IA com os objetivos humanos, tornando uma semana de trabalho de três dias uma realidade.”

De acordo com a equipe fundadora, o núcleo do Tomoro é formado por profissionais de consultoria de digitalização empresarial, infraestrutura em nuvem e engenharia de aplicações de IA, um time típico de “que entende de modelos e também de transformação de sistemas empresariais”.

A página oficial do Tomoro mostra que eles estão recrutando engenheiros residentes na Austrália, Cingapura, Reino Unido e outros locais.

Por que a OpenAI de repente aposta pesado na implantação?

A lógica por trás não é difícil de entender: os clientes empresariais nunca compram modelos, eles compram resultados.

A chefe de receita da OpenAI, Denise Dresser, afirmou: “A IA está se tornando cada vez mais capaz de realizar tarefas cada vez mais significativas dentro das organizações. O desafio agora é ajudar as empresas a integrar esses sistemas na infraestrutura e nos fluxos de trabalho que suportam seus negócios. A OpenAI Deployment Company visa ajudar as organizações a preencher essa lacuna e transformar capacidades de IA em impacto operacional real.”

Denise Dresser e sua equipe já perceberam que, atualmente, a presença no local é a habilidade de IA de nível empresarial que eles mais precisam aprimorar.

Apesar do enorme sucesso do ChatGPT no consumo final, no mercado empresarial, a Anthropic cresceu rapidamente no último ano com sua série Claude, estabelecendo uma presença forte entre desenvolvedores e clientes corporativos. Ainda neste ano, a OpenAI chegou a admitir publicamente que o crescimento da Anthropic representava uma pressão clara sobre a empresa.

Segundo a Reuters, em uma reunião interna, a responsável pelo negócio de aplicações da OpenAI, Fidji Simo, afirmou aos funcionários:

O crescimento da Anthropic deve servir como um “alarme” para a OpenAI.

Ela enfatizou que a empresa precisa concentrar recursos para aumentar a produtividade empresarial, ao invés de continuar dispersando esforços em linhas de produtos excessivamente fragmentadas.

De certa forma, a OpenAI Deployment Company é uma resposta estratégica a isso.

E a Anthropic também não está parada.

Na semana passada, a Anthropic anunciou a criação de uma joint venture focada em implantar serviços de IA empresarial, com Blackstone, Hellman & Freeman e Goldman Sachs como sócios fundadores.

A joint venture está avaliada em 1,5 bilhão de dólares, com Anthropic, Blackstone e Hellman & Freeman investindo conjuntamente 300 milhões de dólares. Outros investidores incluem Apollo Global Management, General Atlantic, GIC (Fundo de Investimento do Governo de Cingapura), Leonard Green e Suko Capital.

Isso indica que uma nova rodada de fusões e aquisições focada em “capacidade de aplicação de IA empresarial” já começou oficialmente.

Se antes a competição de IA era por treinar modelos mais poderosos, agora ela se move para: quem consegue levar o modelo mais rápido para o negócio real.

Por que a demanda por engenheiros tradicionais caiu drasticamente, enquanto os engenheiros de implantação se tornaram tão cobiçados?

Essa mudança de foco já se reflete de forma concreta no mercado de trabalho.

Quando “colocar o modelo no negócio real” vira o fator decisivo, os cargos tradicionais de engenharia de software, que ficam longe do contato direto com o negócio e apenas escrevem código para implementar funcionalidades, começam a encolher, enquanto engenheiros de implantação — capazes de ir ao cliente, integrar sistemas e promover a implementação — estão em alta demanda.

Vamos comparar dois dados marcantes: no primeiro trimestre de 2025, a quantidade de vagas para engenheiros de software tradicionais caiu cerca de 70%; ao mesmo tempo, a demanda por engenheiros de implantação (Forward Deployed Engineers, FDE) aumentou de aproximadamente 800% para cerca de 1000%. Essa alta e essa baixa ilustram uma mudança fundamental na tendência do setor.

Por que a demanda por engenheiros tradicionais diminui, enquanto os engenheiros de implantação se tornam tão valorizados?

A resposta está no fato de que: hoje, entre 60% e 70% do sucesso de um projeto depende de “aplicação prática”, e não apenas de habilidades técnicas ou de codificação. A capacidade de inovar junto com o cliente, de adaptar-se, liderar e usar habilidades interpessoais é crucial. A habilidade de iterar rapidamente e implantar também é fundamental. O gargalo principal mudou de “capacidade técnica” para “aplicação prática”. Ajudar o cliente a reorganizar seus processos e sistemas para atender às novas demandas é prioridade máxima.

No entanto, é difícil para as empresas fazerem a implantação de IA sozinhas, pois há poucos profissionais que realmente entendem de IA profundamente. Além disso, entender IA não basta: esses profissionais também precisam compreender arquitetura de sistemas e o funcionamento geral da empresa.

Somando esses conhecimentos, eles podem conduzir o sucesso. E as habilidades de implantação e detalhes que faltam estão justamente nas mãos dos engenheiros de implantação no front.

Mesmo com soluções prontas no mercado, os clientes geralmente precisam de ajustes e personalizações. Sem um FDE junto ao cliente, inovando em conjunto, compreendendo profundamente seus produtos e toda sua arquitetura, o projeto dificilmente terá sucesso. Na prática, projetos de IA com participação de FDE apresentam retorno sobre investimento e taxas de sucesso significativamente maiores.

Por que o modelo de entrega tradicional não funciona mais?

O processo clássico de venda de software é: desenvolver o produto → entregar para vendas → vender ao cliente → o cliente tenta instalar (com ajuda, se necessário, do time de sucesso do cliente) → o cliente tenta resolver problemas por conta própria. Esse método ignora uma etapa fundamental: o ambiente real do cliente é sempre “especial e complexo”.

Porém, todos sabemos: acompanhar é a forma mais duradoura de demonstrar cuidado.

O modelo de FDE não é simplesmente entregar o produto e deixar o cliente por conta própria, mas enviar os melhores engenheiros para dentro da própria empresa do cliente. Esses engenheiros, junto com o gerente de conta responsável pela documentação, entregam código real, constroem integrações personalizadas e configuram sistemas para que funcionem no ambiente específico do cliente. Essa é a “implantação direta”: seus engenheiros estão trabalhando dentro da empresa do cliente.

O motivo dessa abordagem ser eficaz é uma ideia simples: esses engenheiros de implantação dominam o funcionamento de modelos e softwares, enquanto os engenheiros do cliente — como os de bancos, por exemplo — conhecem profundamente seus dados, requisitos de conformidade, política interna e os problemas específicos que tentam resolver. Nenhuma das partes consegue fazer tudo sozinha. O modelo de FDE força a fusão de dois conhecimentos distintos, levando à solução mais eficaz.

Esse método é especialmente útil para clientes com problemas “especiais e complexos”: hospitais, bancos, órgãos de defesa, grandes instituições financeiras. Essas organizações têm sistemas legados, restrições regulatórias e processos internos que não foram pensados para IA na fase de projeto.

Outra forma de entender: a queda na demanda por engenheiros tradicionais não é por causa da importância da tecnologia, mas porque a definição de “engenheiro” está mudando. Profissionais capazes de ir ao cliente, entender o negócio, iterar rapidamente e inovar junto são os talentos mais cobiçados na era da IA.

Nesse contexto, quais habilidades específicas um engenheiro de implantação deve ter?

Na abertura de um podcast, o chefe de plataforma da OpenAI, Sherwin Wu, e o chefe de produto, Olivier Godement, discutiram detalhadamente as competências essenciais de um FDE.

Em cenários de implantação altamente customizados e com alta segurança, como ambientes de laboratórios nacionais com isolamento físico, os engenheiros de implantação demonstram uma série de habilidades críticas.

Por um lado, eles possuem uma forte capacidade de implantação física e de infraestrutura de baixo nível: não apenas conseguem instalar e rodar modelos em hardware e redes específicas do cliente, mas também, em ambientes de segurança extremamente rigorosos — como ambientes “air-gapped”, onde dispositivos eletrônicos são proibidos — transferem pesos de modelos por meios físicos, usando mídia física para importar os modelos para supercomputadores.

Por outro lado, eles têm uma profunda capacidade de customização e engenharia, podendo colaborar estreitamente com equipes de desenvolvimento para adaptar ambientes de supercomputadores específicos, como o Venado, realizando “desenvolvimento manual” e ajustes ambientais, além de habilidades de engenharia de agentes (Agentic Engineering), gerenciando orquestração, gerenciamento de memória e tarefas complexas, garantindo que o modelo funcione de forma estável e eficiente mesmo em ambientes altamente restritos.

Além disso, a equipe da OpenAI também destacou que, além das habilidades técnicas, o sucesso na implantação depende de certas características organizacionais:

“Modo esquadrão” (Tiger Team):

• Implantação não é só questão de tecnologia, mas também de “conhecimento institucional” (Institutional Knowledge).

• Composição: uma equipe enxuta composta por técnicos, especialistas de diversas áreas (SMEs) e pessoas que conhecem profundamente os processos internos da organização. Grande parte do conhecimento crítico (como procedimentos operacionais padrão, SOP) está na cabeça dos funcionários mais antigos, não na documentação.

Sistema de avaliação de baixo para cima (Evals First):

• Objetivos claros: sucesso na implantação exige definir “o que é bom”.

• Liderança de baixo para cima: os critérios de avaliação não podem ser apenas ditados pela alta gestão, mas devem ser definidos pelos operadores na linha de frente, que conhecem as dores reais do cenário.

Mudança de papel: de “ferramenta” para “parceiro de pensamento”:

• Uma implantação bem-sucedida faz com que o modelo seja profundamente integrado ao fluxo de trabalho de pesquisa. No caso de laboratórios nacionais, o engenheiro de implantação faz com que o modelo se torne um “parceiro de pensamento” (Thought Partner), auxiliando no design de experimentos e na análise de dados complexos.

O papel do FDE e do engenheiro de implantação evoluiu de simples “instalador de software” para uma figura que combina “public relations de alta tecnologia + arquiteto de engenharia + especialista em inteligência de setor”. Eles não apenas resolvem problemas de funcionamento do modelo, mas também enfrentam questões de como fazer a IA realmente penetrar nos negócios centrais do cliente (inclusive em áreas sem documentação formal).

O mercado de fabricantes de modelos está entrando na fase final, onde a competição é por fidelidade do cliente

Se olharmos mais de perto, essa estratégia se assemelha bastante ao caminho trilhado pela Palantir nos últimos dez anos.

A vantagem competitiva da Palantir nunca foi vender licenças de software, mas enviar engenheiros ao cliente para entender profundamente seus processos e integrar tecnologia na organização.

Empresas como a OpenAI e a Anthropic estão claramente copiando esse modelo, pois ele revela uma verdade: a implantação no front (FDE) oferece uma fidelidade de cliente que a maioria dos SaaS não consegue alcançar.

Quando uma empresa instala um sistema de CRM, por exemplo, ela ainda pode migrar para outro fornecedor, embora seja trabalhoso; mas, ao construir um sistema de IA altamente integrado com dados internos, fluxos de trabalho e conformidade, que leva meses para ser desenvolvido, esse sistema se torna uma infraestrutura fundamental para o negócio, difícil de remover. Assim, a empresa continuará dependente da equipe original para manutenção, atualização e otimização.

Essa lógica estratégica torna o modelo de FDE extremamente atraente para a Anthropic e a OpenAI — o mercado de IA empresarial não é apenas sobre vender tokens, mas sobre se tornar uma infraestrutura difícil de ser substituída por grandes organizações, e o FDE é o caminho principal para isso.

O timing também é um fator importante. Dados de operadoras de data centers de grande escala mostram que o investimento em infraestrutura está acelerando, não desacelerando: a Morgan Stanley revisou para cima sua previsão de gastos de cinco grandes operadoras em 2026, de 805 bilhões para 1,1 trilhão de dólares; no primeiro trimestre de 2026, os gastos dessas sete operadoras ultrapassaram 400 bilhões de dólares, com pedidos pendentes estimados em cerca de 1,3 trilhão de dólares.

Esse enorme backlog indica que a demanda supera a oferta, e, a longo prazo, o que limita não é mais a capacidade dos modelos ou recursos computacionais, mas a capacidade de implantar de forma eficiente.

Quem dominar as metodologias de implantação em larga escala dentro de organizações complexas e integrar sistemas de forma personalizada poderá capturar o valor criado pela infraestrutura. No modelo de FDE, o recurso realmente escasso não é a capacidade de construir modelos, mas a experiência especializada na implantação. Isso também muda a lógica de precificação: de licenças baseadas em assentos para consumo baseado em tokens.

No modelo de FDE, você não vende apenas um assento, mas um sistema já implantado, que gera consumo de tokens à medida que a organização o utiliza continuamente. A fidelidade do sistema implantado é a chave para a sustentabilidade do fluxo de receita de tokens.

Fonte: InfoQ

Aviso de risco e termos de isenção

• O mercado é arriscado, investimentos devem ser feitos com cautela. Este artigo não constitui aconselhamento de investimento pessoal, nem leva em conta objetivos, situação financeira ou necessidades específicas de cada usuário. Os usuários devem avaliar se as opiniões, pontos de vista ou conclusões aqui apresentadas são compatíveis com suas condições particulares. Investimentos por sua conta e risco.