Swyx (Shawn Wang) — o homem que deu um nome à nova profissão

"We are observing a once in a generation 'shift right' of applied AI." — The Rise of the AI Engineer, Latent Space, 30 jun. 2023

O essencial em 30 segundos

Swyx — pseudônimo de Shawn Wang — é o comunicador que fez duas coisas raras na história recente da tecnologia: cunhou uma cultura de aprendizado ("Learn in Public") que mudou como uma geração de desenvolvedores constrói carreira, e nomeou uma profissão ("AI Engineer") antes que o mercado soubesse que precisava dela. Ele não é um pesquisador de fronteira nem inventou um algoritmo célebre. Sua contribuição é de outra natureza, igualmente valiosa para quem opera negócios: ele é o cartógrafo. Desenha o mapa do território que está se formando, dá nomes às coisas, e com isso permite que milhares de pessoas se organizem em torno de uma ideia comum. Para um operador de portfólio, swyx é o exemplo de como vocabulário vira estratégia: quando você consegue nomear o papel que precisa contratar, você consegue contratá-lo.

Quem é

Shawn Wang cresceu em Singapura e construiu a maior parte da carreira nos Estados Unidos e no Reino Unido. Sua primeira vida profissional foi nas finanças — derivativos de câmbio e trading de portfólio de ações, com análise de dados em Excel, Python e Haskell. Não é um detalhe biográfico irrelevante: a mentalidade de quem operou risco em mercado financeiro reaparece em tudo que ele escreve depois. Pragmatismo, obsessão por "o que realmente funciona em produção", desconfiança de elegância sem resultado.

Aos trinta e poucos anos, ele fez o que poucos têm coragem de fazer: jogou a carreira fora e recomeçou. Passou por um bootcamp de programação e entrou como engenheiro de front-end na Two Sigma. Depois veio a Netlify, onde encontrou sua vocação real — não escrever código de produto, mas a disciplina chamada Developer Experience (DX): a arte de tornar as ferramentas técnicas agradáveis, compreensíveis e adotáveis. Liderou trabalho de DX na AWS, na Two Sigma e em três unicórnios de ferramentas para desenvolvedores: Netlify, Temporal e Airbyte. É também investidor-anjo.

Foi durante esses anos que ele se tornou um evangelista do movimento que viria a batizar de "Learn in Public", escrevendo e palestrando sobre React, JavaScript e o futuro da web. Publicou The Coding Career Handbook, um manual sobre construir carreira em engenharia que sintetiza essa filosofia.

A virada para a IA veio em 2023. Em junho daquele ano, swyx publicou no Latent Space — a newsletter e podcast que ele edita — o ensaio "The Rise of the AI Engineer". O texto viralizou. Em outubro de 2023, junto com o organizador de conferências Ben Dunphy, lançou o primeiro AI Engineer Summit, que esgotou instantaneamente com proporção de dez candidatos para cada vaga. Em junho de 2024, o AI Engineer World's Fair reuniu mais de três mil pessoas em São Francisco, tornando-se a maior conferência técnica de IA voltada a engenheiros do mundo. Hoje ele trabalha de forma independente no Latent Space (que co-apresenta com Alessio Fanelli), na AI Engineer Foundation e na Smol AI.

A grande contribuição

A maior contribuição de swyx não é uma tecnologia. É um ato de nomeação seguido de um ato de organização — e isso, para quem dirige empresas, é uma aula sobre como mercados nascem.

Em "The Rise of the AI Engineer", ele observou que algo estranho estava acontecendo. Por décadas, fazer qualquer coisa séria com inteligência artificial exigia uma equipe de pesquisa, anos de doutorado e acesso a GPUs caríssimas. De repente, com modelos de fundação acessíveis via API, uma classe inteiramente nova de tarefas — que antes "levavam cinco anos e uma equipe de pesquisa", como ele escreveu — passou a ser realizável "com a documentação de uma API e uma tarde livre". O ponto não era que a pesquisa tinha ficado fácil; era que a aplicação tinha ficado acessível. Surgia um profissional intermediário entre o cientista de ML e o engenheiro de software tradicional: alguém que não treina modelos, mas que sabe orquestrá-los, integrá-los, avaliá-los e colocá-los em produção. Swyx chamou essa pessoa de AI Engineer.

Ele citou Andrej Karpathy para sustentar a tese: "Em números, provavelmente vai haver significativamente mais AI Engineers do que ML engineers." E completou com a frase que virou slogan da era: "A linguagem de programação mais quente do momento é o inglês." A ideia de que "é possível ter bastante sucesso nesse papel sem nunca treinar nada" foi libertadora para milhares de engenheiros de software que se sentiam excluídos da revolução da IA por não terem doutorado.

A genialidade comunicacional está aqui: swyx percebeu que existia uma profissão sendo exercida sem nome. As pessoas já faziam o trabalho — construíam chatbots, integravam APIs de modelos, montavam pipelines de RAG — mas não tinham uma identidade compartilhada, uma comunidade, conferências, vagas com título claro. Ao nomear "AI Engineer", ele criou o ponto de coordenação. Recrutadores passaram a escrever vagas com esse título. Engenheiros passaram a se identificar assim no LinkedIn. Conferências surgiram. Um mercado de trabalho se cristalizou ao redor de uma palavra.

Antes disso, em escala menor mas com a mesma lógica, ele havia feito o mesmo com "Learn in Public": pegou um comportamento difuso — aprender abertamente, documentar o processo, ensinar enquanto se estuda — e transformou em movimento com nome, regras e identidade.

As ideias-chave

Learn in Public: aprenda em público, transforme estudo em ativo

A ideia central de swyx é quase ofensivamente simples: você nunca vai parar de aprender, então pare de aprender escondido. Como ele escreve, "a maioria das pessoas aprende em privado, e fica espreitando". O movimento contrário é documentar tudo — posts, vídeos, repositórios, threads — não porque você é especialista, mas porque você está aprendendo. A regra de ouro é "faça a coisa que você gostaria de ter encontrado quando estava aprendendo". E o beneficiário maior, ele insiste, "é o seu eu futuro".

Há uma economia embutida nessa ideia que interessa diretamente a um gestor. Swyx observa que "80% dos desenvolvedores são 'dark' — não escrevem, não falam, não participam em público". Quem sai da escuridão e ensina constrói reputação, rede e, eventualmente, valor de mercado: "no fim, eles vão querer pagar pela sua ajuda também. Muito mais do que você imagina." Para um time, isso é uma fonte de composição de conhecimento — cada coisa aprendida fica registrada e disponível.

O "shift right" da IA aplicada

Swyx descreve a mudança de era como um "shift right" — um deslocamento para a direita no fluxo que vai da pesquisa pura à aplicação em produto. Por anos, todo o valor e prestígio estavam à esquerda (treinar modelos, publicar papers). Agora o gargalo se moveu para a direita: o valor está em quem coloca o modelo na frente do cliente e resolve um problema real. A frase resume a tese de que "quando se trata de entregar produtos de IA, você quer engenheiros, não pesquisadores". Não é desprezo pela pesquisa; é reconhecimento de que a cadeia de valor tem etapas distintas, e a etapa de aplicação acabou de explodir em tamanho.

Fire, ready, aim — prototipar antes de planejar

Vindo do mundo de DX e startups, swyx prega uma metodologia que ele chama de "fire, ready, aim" — atire, prepare, mire, deliberadamente fora de ordem. Com modelos de fundação acessíveis, o custo de tentar caiu tanto que faz mais sentido construir um protótipo grosseiro e descobrir o problema testando do que escrever uma especificação perfeita antes. É a aplicação prática da tese: a IA ficou barata o suficiente para experimentar, então experimente.

Domesticar o Shoggoth: pragmatismo sobre ideologia

Numa imagem que ficou famosa, swyx escreve que "os AI Engineers vão domar e cavalgar o Shoggoth" — referência ao meme que retrata os modelos de linguagem como um monstro disforme com uma máscara amigável. A frase sintetiza sua postura: enquanto teóricos debatem se a IA vai nos salvar ou destruir, o engenheiro de IA pega o monstro e o coloca para trabalhar. O valor está em quem opera, não em quem apenas opina.

Em suas palavras

"We are observing a once in a generation 'shift right' of applied AI." — The Rise of the AI Engineer (2023)

"When it comes to shipping AI products, you want engineers, not researchers." — The Rise of the AI Engineer (2023)

"Make the thing you wish you had found when you were learning." — Learn in Public (swyx.io)

"The biggest beneficiary of you trying to help past you is future you." — Learn in Public (swyx.io)

"Try your best to be right, but don't worry when you're wrong." — Learn in Public (swyx.io)

Limites e críticas

Há objeções legítimas ao swyxismo, e vale enunciá-las para não cair no entusiasmo acrítico.

A primeira é que "AI Engineer" pode ser uma categoria inflada por hype. Críticos argumentam que muito do que se chama de engenharia de IA é simplesmente engenharia de software competente aplicada a uma nova API — não merecendo uma profissão própria, do mesmo modo que ninguém criou o título de "Engenheiro de Stripe" por usar a API de pagamentos. Há risco de que o termo vire um rótulo de currículo sem substância, atraindo profissionais rasos que sabem chamar uma API mas não entendem nada de avaliação, custos de inferência ou comportamento de modelos sob carga.

A segunda crítica é sobre o "shift right". Ao celebrar a aplicação sobre a pesquisa, swyx pode subestimar o quanto a vantagem competitiva real ainda mora à esquerda — em quem controla os modelos, os dados e o pós-treinamento. Construir sobre APIs de terceiros é construir sobre terreno alugado: o fornecedor pode mudar preço, descontinuar o modelo ou virar seu concorrente. O AI Engineer que só sabe orquestrar APIs é frágil quando a fronteira se move.

A terceira é cultural. "Learn in Public" funciona maravilhosamente para quem tem segurança psicológica e nenhum risco reputacional em errar publicamente. Mas pode ser conselho perigoso para quem está em posições mais vulneráveis, ou em culturas corporativas que punem o erro. Aprender em público pressupõe um ambiente que perdoa — e nem todo time tem esse luxo por padrão; alguém precisa construí-lo.

Por fim, swyx é mais um sintetizador e nomeador do que um pensador original profundo. Suas melhores ideias muitas vezes são citações de outros (Karpathy aparece com frequência) bem editadas e embaladas. Isso não diminui o valor — embalar e distribuir ideias é trabalho real — mas convém lembrar que ele é o curador do banquete, não necessariamente o cozinheiro.

Como aplicar no seu dia a dia

A obra de swyx dá um vocabulário operacional para a transição que você conduz, especialmente num produto que coloca agentes de IA dentro dele.

Contrate e forme "AI Engineers" de verdade. A maior dificuldade ao montar um time de IA não é técnica — é de definição. Sem esse vocabulário, você abre uma vaga vaga de "desenvolvedor de IA" e recebe currículos confusos. Com ele, você sabe exatamente o perfil que precisa: alguém que orquestra modelos, monta pipelines de RAG, escreve avaliações (evals), controla custo de inferência e coloca tudo em produção — sem precisar de doutorado em ML. Num produto que embute agentes, esse é o perfil que constrói os agentes que conversam com usuários e analisam dados. Você não precisa de um pesquisador; precisa de um engenheiro que "dome o Shoggoth". A nomeação de swyx poupa meses de erro de contratação.

Learn in Public como cultura de time, com adaptação. Adote a filosofia internamente, mas com a ressalva de que o "público" começa sendo interno. Cada engenheiro que descobre como fazer um agente funcionar melhor escreve isso num registro compartilhado — não para impressionar o mercado, mas porque "o maior beneficiário é o eu futuro" do próprio time. Em qualquer operação com várias frentes, o conhecimento de IA fica concentrado em poucas cabeças. Documentar em público interno transforma esse conhecimento de pessoal em institucional. Quando um engenheiro sai, o aprendizado fica.

O "shift right" lembra onde está seu valor real. Aqui vale inverter parcialmente swyx, de forma consciente. Onde o valor está em entregar aplicação rápido, aplique "fire, ready, aim": protótipos de IA baratos antes de qualquer especificação grandiosa. Mas para o ativo de longo prazo, lembre da crítica: você não quer ficar 100% refém de APIs alugadas. É por isso que vale pensar em pós-treinamento e fine-tuning para os casos específicos do negócio — o que leva direto ao trabalho de Nathan Lambert. Swyx manda mover-se rápido na aplicação; Lambert mostra como construir o fosso à esquerda quando chegar a hora.

Conferência e comunidade como inteligência de mercado. O AI Engineer World's Fair virou, na prática, um termômetro de para onde o campo vai. Acompanhar o que se discute lá é uma forma barata de pesquisa de mercado sobre quais técnicas estão amadurecendo de hype para produção.

Para ir além

Comece por: o ensaio "The Rise of the AI Engineer" (Latent Space, jun. 2023) e o post "Learn in Public" no swyx.io. São curtos, viscerais e mudam a forma como você enxerga carreira e contratação em IA.

Depois: os episódios do podcast Latent Space, especialmente os de pós-mortem das conferências AI Engineer, e The Coding Career Handbook para a filosofia de carreira completa.

Avançado: acompanhe as edições do AI Engineer World's Fair (palestras no YouTube) como leitura contínua do estado da arte da IA aplicada — e cruze com material técnico de pós-treinamento para entender o outro lado da cadeia de valor.

Conexões no vault

• IA e Tecnologia — índice da área
• nathan-lambert — o complemento essencial: enquanto swyx mapeia a aplicação ("shift right"), Lambert ensina a construir o fosso técnico à esquerda (pós-treinamento, modelos abertos)
• Aplicação direta no projeto Gestão de Colabs (SaaS B2B com agentes de IA) e na cultura de aprendizado dos times de tecnologia do portfólio