filosofia das coisas

1. Elena Verna: voltar ao trabalho técnico sem perder impacto

O ponto de partida é IC work is the new career flex, de 14 de maio de 2026.

Elena Verna apresenta o HI-C: profissional sem subordinados que conduz projetos completos e afeta receita ou custos, com remuneração compatível com esse impacto. HI-C abrevia High-impact Individual Contributor.

A promoção que afasta a pessoa de sua profissão

A carreira tradicional mede senioridade pelo tamanho da equipe. Ela perdeu uma oportunidade na Netflix por gerir três pessoas; outra promoção exigiu abandonar SQL e tickets durante seis meses.

Na Lovable, voltou a IC em dezembro, numa estrutura mais horizontal. Continua em growth, mas novos profissionais trabalham ao lado dela, sem lhe responder.

Construiu uma página de preços empresariais que antes exigiria produto, design, engenharia e pelo menos uma semana. Relata poucas reuniões, algum coaching e 90% do tempo construindo.

Competência ampliada, informação e autonomia

A IA fornece competência intermediária em áreas adjacentes; a experiência própria orienta decisões. Experimentar mais barato permite aprender antes de mobilizar especialistas e reduz aprovações.

Isso exige contexto de liderança, acesso à informação e confiança. Testar projetos completos com profissionais promissores revela gargalos. Recrutar ex-líderes como ICs amplia essa possibilidade.

Marketing pode construir experiências no produto; produto pode assumir distribuição. Gestores podem executar projetos pendentes. Liderar pessoas permanece uma escolha para quem gosta desse trabalho.

Como esse modelo funciona: um exemplo ilustrativo

O exemplo e a análise a seguir são próprios deste post e servem para examinar a proposta. Imagine uma empresa de software cujos clientes abandonam a contratação porque não entendem a diferença entre dois planos. Uma profissional de crescimento conhece as objeções comerciais e percebe que a página explica recursos, mas deixa obscuro qual plano resolve cada problema.

Ela pode encaminhar o assunto a outras áreas e aguardar uma solução. Também pode delimitar uma experiência: reescrever a comparação, produzir uma versão funcional, configurar a medição e testar com parte dos visitantes. Para esse segundo caminho, precisa saber quais promessas o produto realmente cumpre, como os preços são calculados, quais clientes interessam e o que caracterizaria uma melhora.

Etapa	Trabalho que precisa acontecer	Critério de conclusão
Diagnóstico	Ler objeções de clientes e localizar a dificuldade de compreensão.	Uma hipótese específica, capaz de ser testada.
Construção	Criar texto, interface e implementação de uma versão experimental.	Uma experiência utilizável, coerente com o produto.
Validação	Verificar preços, funcionamento e comportamento dos visitantes.	Decidir se a hipótese merece continuidade.
Resultado	Comparar contratação e custo de atender os novos clientes.	Melhora econômica, não apenas uma página diferente.

A responsabilidade por essa sequência vale mais que a velocidade de produzir sua primeira versão. Se a contratação aumentar, mas o suporte ficar muito mais caro porque o texto atraiu clientes inadequados, o teste pode ter piorado o negócio. Quem possui somente uma tarefa estreita pode terminar sua parte corretamente sem enxergar esse efeito. Quem responde pelo resultado completo precisa acompanhá-lo.

O que o agente pode executar e o que exige julgamento

Nesse exemplo, a IA poderia sugerir redações, gerar uma interface, implementar eventos de medição e ajudar a localizar erros. A profissional continuaria responsável por decidir qual problema é prioritário, avaliar se a promessa comercial é verdadeira e interpretar a experiência. Uma implementação tecnicamente correta pode testar uma hipótese comercial ruim.

Também existem limites práticos para concentrar a execução. Uma alteração visual simples e uma mudança na regra de cobrança podem parecer semelhantes na interface, mas têm consequências distintas. Antes de ampliar a autonomia, é necessário delimitar quais alterações podem ser experimentadas, quais precisam de revisão e quem tem autoridade para publicá-las.

Um cargo sem subordinados pode carregar uma responsabilidade ampla

Para contratar alguém nessa função, uma empresa precisaria especificar a responsabilidade em termos de problemas e decisões: por exemplo, melhorar a contratação de um segmento e acompanhar os efeitos sobre receita e suporte. Uma descrição limitada a “produzir telas com IA” não captura essa responsabilidade.

O acesso aos dados também precisa acompanhar o escopo. No exemplo, uma pessoa que vê apenas visitas e cliques pode otimizar um botão e piorar a qualidade dos clientes adquiridos. Saber avaliar o projeto requer acesso ao restante do percurso, incluindo contratação, cancelamento e custo de atendimento.

A remuneração dessa função poderia ser discutida a partir da dificuldade dos problemas, da responsabilidade assumida e dos resultados, sem usar o número de subordinados como substituto desses critérios. Isso exige uma forma de avaliar o cargo que reconheça decisões importantes mesmo quando não há uma equipe formal sob sua gestão.

2. Outros casos próximos: experiência humana, execução por agentes

Os relatos abaixo mostram graus diferentes dessa transformação. Alguns documentam a saída de cargos executivos; outros mostram gestores que voltaram a construir ou equipes pequenas que delegam implementação. Os números pertencem às datas das fontes, e resultados declarados pelos autores são identificados como tais.

Claire Vo e Zach Davis: mudanças explícitas de carreira

Claire Vo, ex-executiva de produto e tecnologia de Color Health e LaunchDarkly, descreve a saída de cargos executivos para trabalhar diretamente com IA. Na entrevista ao Solo Founders, de julho de 2026, o ChatPRD aparece como um produto com mais de cem mil usuários, operado por ela como única pessoa em tempo integral, com nove agentes delimitados por função, incluindo marketing, vendas, suporte e assistência executiva.

É uma combinação especialmente próxima do caso de Elena: experiência de direção, execução direta e capacidade de atuar em várias funções. O número de usuários não equivale a assinantes pagantes; ser a única pessoa em tempo integral também não comprova ausência de colaboradores externos.

Zach Davis oferece uma transição ainda mais explícita de cargo: após mais de doze anos na liderança de engenharia, voltou a ser Principal Engineer para explorar o trabalho técnico com IA, inclusive em bases antigas. Relata ter conduzido a adoção de desenvolvimento com agentes numa organização de mais de cem engenheiros da LaunchDarkly. Sua apresentação em primeira pessoa documenta a mudança, mas não mede sua produção individual como equivalente àquela organização.

Peter Steinberger e Garry Tan: voltar a entregar software

Peter Steinberger, fundador da PSPDFKit, voltou a construir depois de uma pausa de três anos. Na entrevista ao The Pragmatic Engineer, de janeiro de 2026, descreve trabalhar com cinco a dez agentes em paralelo. Sua experiência anterior com uma empresa de mais de setenta pessoas ajudou a aceitar diferentes soluções de implementação, preservando atenção à arquitetura e ao resultado.

O método inclui dar aos agentes condições de compilar, executar e verificar o que produziram. Em Shipping at Inference-Speed, apresenta uma conversão de parte do VibeTunnel para Zig realizada pelo agente em cerca de cinco horas. Há software identificável; a pausa anterior impede tratar sua trajetória como troca imediata de uma equipe por agentes.

Garry Tan, presidente e CEO da Y Combinator, publicou o gstack, que organiza planejamento, arquitetura, revisão, testes e entrega em funções especializadas. Declara ter entregue três serviços em produção e mais de quarenta funcionalidades em sessenta dias, trabalhando nisso em tempo parcial. Continua dirigindo a YC: o caso mostra ampliação da capacidade de construir, sem abandono da liderança humana.

StrongDM: três pessoas projetando um sistema que produz software

O relato do laboratório de IA da StrongDM, de fevereiro de 2026, descreve uma equipe formada pelo CTO Justin McCarthy, Jay Taylor e Navan Chauhan. Humanos definem especificações e cenários; agentes implementam e validam. O laboratório adota uma regra radical de não escrever nem revisar manualmente o código.

Isso exigiu resolver um problema concreto: agentes podem fazer testes passarem sem entregar o comportamento desejado. O sistema usa cenários separados da implementação e simulações de serviços externos. Simon Willison relata ter visto demonstrações e aponta artefatos públicos, como CXDB e especificações do Attractor. São três pessoas no laboratório, não na empresa inteira; o gasto proposto com computação também impede pressupor que menos pessoas significa automaticamente menor custo.

Três resultados que ajudam a avaliar a entrega

Caso	Resultado publicado	O que precisa ser distinguido
Kapwing – abril de 2026	Empresa de cerca de 25 pessoas; todos contribuíram código em produção no primeiro trimestre. A CEO relata cerca de 108 PRs associados ao Codex.	Alterações revisadas por engenheiros. O caso amplia quem executa trabalho técnico, mantendo uma equipe humana.
Stripe – fevereiro de 2026	Mais de 1.300 alterações incorporadas por semana, produzidas integralmente pelos Minions e revisadas por humanos.	Produção real em escala, mas quantidade de alterações não mede sozinha valor, qualidade ou economia.
Base44 – julho de 2025	Maor Shlomo relata usar IA para escrever aproximadamente 90% de seu código. A Wix confirmou aquisição com contrapartida inicial aproximada de US$ 80 milhões.	Transação comercial confirmada; um fundador único não significa empresa de uma pessoa.

O anúncio da Wix esclarece o valor inicial e pagamentos futuros condicionais da aquisição. Esses detalhes importam para evitar que uma história de empresa enxuta se transforme em uma alegação imprecisa de resultado individual.

O que esses casos permitem afirmar

Há transições de carreira documentadas, produtos publicados e processos operacionais identificáveis. A equivalência integral com uma equipe anterior permanece menos demonstrada: falta comparar tarefas de dificuldade semelhante, defeitos, tempo de revisão e custo total, durante um período suficientemente longo.

Uma avaliação útil acompanharia o percurso da ideia ao resultado: quantas experiências chegaram aos clientes, quais foram mantidas, quanto retrabalho exigiram e que benefício trouxeram. Esse acompanhamento permite separar aumento da capacidade de produzir de aumento efetivo do valor entregue.

A competência humana mais relevante nesses relatos inclui escolher problemas, decompor tarefas e reconhecer quando o resultado é inadequado. Os agentes ampliam a execução; o profissional continua respondendo pelo produto que chega ao cliente.