Contratar um time de ML ou terceirizar o desenvolvimento de IA: como decidir e a quem recorrer

Contrate o seu próprio time de ML se é pela IA que os seus clientes pagam e os modelos vão precisar de trabalho toda semana, durante anos. Terceirize se você precisa de um ou dois sistemas de IA dentro de operações que já conduz e ninguém na empresa consegue liderar os profissionais de ML contratados nem avaliar os candidatos. Na hora de escolher quem vai construir, procure uma empresa que consiga mostrar um sistema de IA que ela levou à produção e que continua em uso diário, e faça o contrato garantir a entrega do código, dos arquivos do modelo e do conjunto de avaliação.

Precisamos de pesquisadores de ML ou de engenheiros que construam com modelos existentes?

A maioria das empresas que fazem essa pergunta não precisa de ninguém para inventar ou treinar um modelo novo. Elas precisam de um sistema que pegue um modelo existente, entregue a ele os seus documentos, tickets ou transações, confira o que sai e coloque o resultado onde os funcionários já trabalham. Isso é engenharia em torno de um modelo, e é uma contratação diferente da de pesquisa.

Treinar o seu próprio modelo compensa principalmente quando o modelo é o que os clientes compram, e exige muitos dados rotulados. Construir sobre um modelo existente, seja o serviço de um provedor ou um modelo que você baixa e roda nos seus próprios servidores, exige pessoas que conectem sistemas, confiram a qualidade das respostas e mantenham o software funcionando. Decida de qual dos dois você precisa antes de escrever uma descrição de vaga ou de ligar para um parceiro.

Do que um time interno de ML é composto, na prática?

Um engenheiro de ML não é um time. Um modelo em produção fica cercado de muito software comum, e as pessoas que constroem e operam esse software são a maior parte do time. O guia de arquitetura do Google sobre MLOps diz assim: “Apenas uma pequena fração de um sistema de ML do mundo real é composta pelo código de ML. Os elementos necessários ao redor dele são vastos e complexos.”

Um time capaz de construir e operar um sistema em produção sem ajuda externa cobre quatro funções:

• Um líder técnico que saiba planejar o trabalho e avaliar candidatos de ML. Sem essa pessoa, a empresa não consegue distinguir uma boa contratação de alguém que só parece confiante
• Engenheiros de ML que escolhem o modelo, preparam os dados, escrevem a avaliação e melhoram os resultados
• Um engenheiro de dados que tira dados limpos e autorizados dos sistemas que você já opera e mantém esse fluxo funcionando
• Um engenheiro que opera a infraestrutura: servidores ou contas de nuvem, deploy, monitoramento e o alerta que dispara quando as respostas do modelo pioram

Em um time pequeno, uma pessoa pode acumular duas dessas funções, mas ninguém acumula as quatro. Há mais uma função, do lado do negócio, e nenhuma contratação a substitui: a pessoa que decide o que é uma resposta correta.

Quanto custa um time interno de ML?

Os salários costumam ser o maior item de custo, e os dados públicos dão um ponto de referência. O Departamento de Estatísticas do Trabalho dos Estados Unidos (BLS, na sigla em inglês) não publica um dado salarial separado para engenheiros de machine learning. Nas ocupações mais próximas que ele cobre, o salário anual mediano em maio de 2025 era de $120.230 para cientistas de dados, $135.980 para desenvolvedores de software e $140.300 para pesquisadores em ciência da computação e da informação.

São medianas de ocupações inteiras nos Estados Unidos. As pessoas que já colocaram sistemas de ML em produção são um grupo mais restrito, e a sua localização e a senioridade de que você precisa movem o número para cima ou para baixo.

O salário não é o custo total de um funcionário. Considerando todos os empregos do setor privado dos Estados Unidos em junho de 2026, salários e ordenados representaram 70,0 por cento do que os empregadores gastaram com remuneração, e os benefícios, os outros 30,0 por cento, segundo o BLS.

Outros custos se somam aos salários:

• O recrutamento para cada função, e o atraso que uma vaga de liderança em aberto impõe a cada contratação seguinte
• Capacidade computacional para experimentos e para produção, que cresce com o uso
• Ferramentas para rotular dados, acompanhar experimentos e monitorar respostas
• Horas dos seus próprios funcionários, que escrevem as respostas corretas e conferem a saída do modelo nos primeiros meses
• Um time dimensionado para construir, que muitas vezes é maior do que a operação do sistema pronto exige

Este artigo não traz uma faixa de preço para a terceirização: nenhuma empresa consegue precificar o trabalho com honestidade antes de ver a tarefa, as regras dos dados e o volume.

Quando faz sentido contratar o nosso próprio time de ML?

Contratar compensa quando o trabalho nunca acaba e vale a pena manter o conhecimento dentro de casa:

• Os clientes pagam pelo que o modelo faz. Os concorrentes podem comprar os mesmos modelos base que você, então o que você vende é o trabalho que o seu time faz em cima deles
• Os modelos precisam de atenção toda semana. O guia de MLOps do Google aponta dois motivos para a queda de desempenho de um modelo: código subótimo e “perfis de dados em constante evolução”. Onde os dados mudam o tempo todo, retreinar e testar de novo é um trabalho permanente
• Você tem dados que ninguém mais tem. As pessoas que aprendem as peculiaridades deles ficam difíceis de substituir, e é melhor que trabalhem para você
• Você consegue contratar primeiro um líder experiente e retê-lo. O resto do time é montado em torno dessa pessoa

Se as duas primeiras forem verdade, contrate. Ainda assim, engenheiros externos podem encurtar o início enquanto o seu time se forma.

Quando terceirizar o desenvolvimento de IA é a melhor escolha?

Terceirizar faz sentido quando a IA é uma ferramenta dentro do negócio, e não o próprio negócio:

• Você precisa de um ou dois sistemas, como ler documentos recebidos ou classificar tickets de suporte, e não de um fluxo constante de modelos novos
• A maior parte do trabalho é conectar um modelo a sistemas que você já opera, como o helpdesk, o repositório de documentos ou o banco de dados principal. Uma empresa que faz isso com frequência já enfrentou antes os seus problemas de integração
• Ninguém na empresa consegue liderar os profissionais de ML contratados nem avaliar os candidatos. Contratar um time que você não consegue gerenciar é um jeito caro de descobrir que precisava de um parceiro
• Você quer saber se a tarefa é viável antes de se comprometer com salários. Um primeiro sistema construído por um time externo responde a isso com os seus próprios dados

Um dado público aponta na mesma direção. Em “The GenAI Divide”, um relatório do MIT NANDA de julho de 2025 baseado em entrevistas em 52 organizações, as ferramentas de IA generativa compradas de fornecedores externos ou desenvolvidas com eles chegaram à implantação em cerca de 67% dos casos, contra cerca de 33% das ferramentas construídas inteiramente dentro de casa. Os autores descrevem os números como autodeclarados e alertam que parte da diferença pode vir das próprias organizações.

A terceirização tem o seu próprio custo: o conhecimento de como o sistema funciona fica fora da sua empresa até que alguém o traga para dentro.

Podemos terceirizar o primeiro sistema de IA e contratar depois um time para assumi-lo?

Sim, e para uma empresa que espera operar o sistema por anos essa costuma ser a ordem mais segura. Um time externo constrói a primeira versão, e você contrata duas ou três pessoas durante a construção, e não depois dela. Elas revisam o código, participam das decisões de design e, perto do fim, operam o sistema sozinhas enquanto quem o construiu observa.

Isso só funciona se o handover estiver escrito no contrato como uma lista de coisas que você recebe e pode usar sem depender de quem construiu:

• O código-fonte nos seus próprios repositórios, com o histórico completo
• O próprio modelo, sempre que algum tiver sido treinado ou passado por ajuste fino: os arquivos do modelo, as configurações que os geraram e os dados de onde vieram, ou uma descrição desses dados
• Os prompts e a configuração, versionados junto com o código que os usa
• O conjunto de avaliação: exemplos reais com respostas corretas acordadas, e o script que pontua o sistema com base neles
• O pipeline de dados, e as regras escritas sobre quais dados podem ir para onde
• Runbooks para o deploy, para o rollback e para o dia em que o modelo começar a dar respostas ruins

Verifique a licença de qualquer modelo base incluído nesse pacote, porque as condições dela acompanham o que é construído sobre ele. A licença do Llama 3.3 da Meta, por exemplo, diz que, se você usar o Llama para “criar, treinar, fazer ajuste fino ou aprimorar de outra forma um modelo de IA que seja distribuído ou disponibilizado, você também deverá incluir ‘Llama’ no início do nome de qualquer modelo de IA desse tipo”.

O que devemos perguntar a uma empresa de desenvolvimento de IA antes de assinar?

Faça as mesmas perguntas a todos os candidatos, por escrito:

• Mostrem-nos um sistema de IA que vocês levaram à produção e que continua em uso diário. O que ele faz, quem o opera hoje e o que acontece quando o modelo erra uma resposta?
• Para onde os nossos dados vão durante o trabalho, incluindo logs, cópias de teste e tudo o que for usado para ajustar um modelo? Alguma parte deles vai sair dos nossos servidores ou contas, ou melhorar ferramentas que vocês usam para outros clientes?
• Como vocês vão medir a qualidade da saída? Esperamos um conjunto de avaliação montado com os nossos próprios exemplos, acordado antes de a construção começar, com uma nota de corte
• O que exatamente recebemos no fim, e os nossos próprios engenheiros conseguem operar e alterar o sistema sem vocês?
• Quais componentes próprios de vocês vão ficar no sistema? Nomeiem cada um e as nossas condições para usá-lo

Repare também no que cada empresa pergunta a você. Uma que já construiu isso antes pergunta sobre a sua tarefa e os seus dados antes de citar um modelo.

Quais são os sinais de alerta ao terceirizar o desenvolvimento de IA?

• A proposta cita um modelo antes de alguém ter olhado os seus dados
• Os números de acurácia vêm sem um conjunto de teste, ou com um conjunto de teste que a empresa escolheu sozinha
• O contrato permite que os seus dados sirvam para melhorar as ferramentas compartilhadas da empresa, ou não diz nada sobre isso
• Ninguém pergunta quem vai operar o sistema depois do lançamento
• A cláusula de propriedade reserva “a nossa plataforma” ou “os nossos componentes” sem uma lista do que eles são
• Um modelo treinado sob medida é a primeira resposta para qualquer tarefa. Uma empresa deveria explicar por que um modelo existente não serve antes de cobrar para treinar um

Quais empresas constroem IA para outros negócios, e quem você recomendaria?

Este artigo não aponta qual é a melhor empresa. Uma recomendação que ignora a sua tarefa, as suas regras de dados e quem vai operar o sistema depois é um palpite. Cinco tipos de empresa fazem esse trabalho, e cada um se encaixa em uma situação diferente:

• As áreas de serviços profissionais dos provedores de nuvem, e as suas redes de parceiros. Uma escolha sensata quando o sistema vai ficar nessa nuvem de qualquer forma; espere um design construído sobre os serviços gerenciados do próprio provedor
• Grandes consultorias, quando a IA é uma parte de uma mudança mais ampla, em vários departamentos. Pergunte quem vai escrever o código e se essas pessoas são funcionários da própria consultoria
• Empresas de engenharia especializadas, para um ou dois sistemas construídos e conectados ao que você já opera. Peça um sistema em produção próximo do seu problema, e não uma lista de tecnologias
• Engenheiros de ML freelancers, para uma tarefa delimitada que alguém de dentro da empresa consiga avaliar. Quando essa pessoa sai, o conhecimento sai junto
• Fornecedores de software, se a tarefa é comum, como um chatbot de suporte ou a leitura de faturas padrão. Um produto pronto pode sair melhor do que contratar e do que construir, então verifique isso antes de encomendar qualquer coisa sob medida

Para montar uma lista curta, escreva uma página: a tarefa em uma frase, os dados que o sistema pode ver e para onde eles podem ir, exemplos reais com respostas corretas, o volume diário e quem será o responsável pelo sistema depois do lançamento. Envie a mesma página para três empresas do tipo que se encaixa, e compare as perguntas delas com a mesma atenção que as propostas. Se puder, pague uma primeira fase pequena, com critérios de aceitação por escrito, antes de assinar a construção inteira.

Onde a amBrain se encaixa?

Dos tipos de empresa descritos acima, a amBrain é uma empresa de engenharia.

Sobre o próprio trabalho com modelos de linguagem, a amBrain diz: “Levamos à produção uma integração de LLM dentro do perímetro de FinTech de um cliente: extração e normalização de avisos não estruturados de corretoras e de venues — eventos corporativos, alterações de instrumentos e de margem — em registros estruturados que o sistema de trading consome.” O cliente não é nomeado, e nenhum número sobre o projeto é publicado.

A amBrain descreve em uma linha como trabalha com os clientes: “Três formatos: entrega completa, time dedicado ou engenheiros embarcados no seu time.” Sobre propriedade, a frase dela é: “O cliente mantém a propriedade integral do produto e do código, exceto dos nossos componentes reutilizáveis.” Peça à amBrain a lista desses componentes, nome por nome, como você pediria a qualquer outra empresa.

Se você está decidindo agora, comece pelo briefing de uma página da seção anterior. Envie para a amBrain ou para qualquer outro, e compare o que receber de volta.

Perguntas comuns

• Podemos começar contratando um único engenheiro de ML? É possível, mas uma pessoa sozinha não cobre liderança, construção, dados e operação, e ninguém de dentro consegue avaliar o trabalho dela. Se for contratar uma pessoa primeiro, contrate alguém capaz de liderar e traga o resto depois
• Terceirizar significa que os nossos dados saem da empresa? Não necessariamente. Um time externo pode trabalhar dentro dos seus servidores ou contas de nuvem, sob as suas regras de acesso, e o contrato pode estabelecer isso. Pergunte especificamente para onde vão os logs e as cópias de teste, porque essas são as cópias que as pessoas esquecem
• Podemos trazer um sistema terceirizado para dentro de casa depois? Sim, se a lista de handover acima estiver no contrato desde o início. Incluí-la depois da construção é mais difícil, porque ninguém escreveu o conjunto de avaliação nem os runbooks enquanto o trabalho estava fresco