Core Automation nerdsniped pesquisadores da Anthropic e Google DeepMind, e o mercado de IA está prestando atenção
O mercado de inteligência artificial está em plena ebulição, e a mais recente movimentação que está dando o que falar envolve talento de peso saindo de gigantes como Anthropic e Google DeepMind para embarcar em algo completamente novo.
A Core Automation é a AI startup do momento, e ela chegou fazendo barulho.
Fundada por Jerry Tworek, ex-vice-presidente da OpenAI, a empresa se apresentou ao mundo com uma proposta ousada: construir o laboratório de IA mais automatizado do planeta. Tworek aparece como CEO e cofundador da Core Automation em sua bio no X, deixando claro que não está ali de passagem.
Mas o que realmente chamou atenção não foi só a missão da startup, e sim quem aceitou largar tudo para fazer parte dela.
Pesquisadores que estavam confortavelmente instalados em alguns dos melhores labs de IA do mundo simplesmente viraram a página, e o motivo tem até nome: nerdsniped 🧠
Pra quem não conhece o termo, nerdsniped é aquela sensação de ser completamente fisgado por um problema ou ideia tão interessante que você simplesmente não consegue resistir, mesmo que isso signifique mudar de rota por completo.
E é exatamente isso que aconteceu aqui.
De onde vieram essas pessoas e por que isso importa
Quando uma AI startup consegue atrair pesquisadores que estavam trabalhando em lugares como Anthropic e Google DeepMind, isso não é um detalhe pequeno. Esses dois laboratórios estão entre os mais respeitados e bem financiados do setor. A Anthropic, fundada por ex-membros da própria OpenAI, é conhecida por seu trabalho profundo em segurança de IA e pelos modelos Claude, que figuram entre os mais avançados disponíveis hoje. Já o Google DeepMind é responsável por avanços que moldaram o campo inteiro, de AlphaFold a Gemini. Sair de um desses lugares não é uma decisão simples, e sim uma aposta clara em algo que, na visão dessas pessoas, vale mais a pena.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
Rohan Anil, pesquisador da Anthropic que também já trabalhou no Google DeepMind, confirmou publicamente no X que deixou a empresa depois que Tworek o nerdsniped. Em suas próprias palavras, a Anthropic era um dos melhores lugares para trabalhar como pesquisador, mas a proposta da Core Automation foi irresistível o suficiente para fazê-lo mudar de ideia.
Anmol Gulati, cientista de pesquisa do Google DeepMind que trabalhava diretamente no Gemini, também anunciou que estava partindo para algo novo ao lado de pessoas excepcionais. Gulati foi além e compartilhou sua visão sobre o momento atual do campo, dizendo que sentia cada vez mais que o paradigma atual de pesquisa, baseado em escalar modelos, dados e deploys estáticos, não seria suficiente para levar a área aonde ela precisa chegar. Na visão dele, a próxima fase vem de algo diferente: novos algoritmos de aprendizado, arquiteturas que vão além da stack atual e sistemas que automatizam o próprio processo de construção.
Esse tipo de declaração é significativo porque vem de alguém que estava dentro de um dos projetos mais ambiciosos do Google, o Gemini. Quando um pesquisador desse calibre diz que o caminho atual tem limitações, vale a pena prestar atenção no que ele está propondo como alternativa.
O time que está se formando na Core Automation
A lista de nomes que estão embarcando na Core Automation vai muito além de Anil e Gulati. Joanne Jang, que atuou como gerente geral na OpenAI de dezembro de 2021 a abril de 2026, atualizou sua bio no X com a frase tentando automatizar a mim mesma @coreautoai. Esse tipo de posicionamento mostra que a cultura da startup já está estabelecida desde o primeiro dia: a automação não é apenas um produto, é uma filosofia que permeia tudo.
Outros nomes que confirmaram participação incluem Ehsan Amid e Avery Lamp, ambos ex-funcionários do Google DeepMind, além de Julia Villagra, que era head de pessoas na OpenAI, e Sai Surya Duvvuri, ex-estagiário de pesquisa no Google e na Meta. A presença de Villagra é particularmente interessante porque indica que a Core Automation não está pensando apenas em pesquisa pura, mas também em como construir uma organização forte desde a base, com cultura e gestão de pessoas sendo prioridade desde o início.
No site da empresa, a Core Automation descreve seu time como pessoas que ajudaram a construir modelos de fronteira e arquiteturas influentes. Não é uma afirmação vazia, considerando o histórico de cada pessoa que está embarcando no projeto. Estamos falando de profissionais que contribuíram diretamente para sistemas como o Gemini, o Claude e os modelos da OpenAI, ou seja, a nata da pesquisa em inteligência artificial global.
O que fica evidente é que a Core Automation não está apenas contratando currículos bonitos. Ela está reunindo pessoas que já estiveram no topo da cadeia de pesquisa em IA e que, mesmo assim, sentiram aquela coceira de ir para algo diferente. Esse tipo de movimentação costuma acontecer quando uma ideia é genuinamente disruptiva, quando ela propõe um caminho que os grandes players ainda não estão dispostos a percorrer, seja por burocracia, por foco em outros produtos ou simplesmente pelo tamanho das estruturas que precisam carregar.
O que é a Core Automation e o que ela quer construir
A Core Automation se posiciona como uma AI startup com um objetivo bastante específico e ambicioso: criar o laboratório de inteligência artificial mais automatizado do mundo. Em seu primeiro post no X, a empresa deixou claro qual é o objetivo central: sistemas que otimizam e automatizam o trabalho, começando pela própria pesquisa.
Isso significa desenvolver sistemas onde a própria pesquisa de IA seja conduzida, em grande parte, por outras IAs. É um conceito que mistura engenharia de sistemas, pesquisa em large language models, automação de processos e uma visão bem particular sobre como o futuro da ciência pode ser acelerado. Jerry Tworek, que passou pela OpenAI como vice-presidente antes de criar a Core, claramente carrega consigo um entendimento profundo de como esses sistemas funcionam e, mais importante, de onde estão os gargalos que ainda travam o avanço da área.
A ideia de automatizar a pesquisa em IA não é nova, mas a forma como a Core Automation está abordando isso parece ter algo de diferente. Em vez de usar automação apenas como ferramenta de suporte para pesquisadores humanos, a proposta é ir além e construir uma infraestrutura onde os ciclos de experimentação, avaliação e iteração aconteçam em uma velocidade que humanos simplesmente não conseguiriam sustentar sozinhos. Isso tem implicações enormes para o ritmo de desenvolvimento de novos modelos, para a identificação de falhas e para a descoberta de abordagens que ainda nem foram tentadas.
É um terreno empolgante e, ao mesmo tempo, repleto de perguntas abertas sobre como isso funcionaria na prática. Mas a combinação de visão clara e time técnico de altíssimo nível é exatamente o tipo de fundação que dá credibilidade a uma proposta desse tamanho.
O efeito nerdsniped e o que ele revela sobre o setor
O termo nerdsniped viralizou entre a comunidade técnica porque ele descreve com precisão algo que qualquer pessoa apaixonada por tecnologia já sentiu: aquele momento em que um problema ou uma ideia te fisgam de tal forma que você simplesmente não consegue pensar em outra coisa. É quase uma compulsão intelectual. E quando isso acontece em um nível coletivo, quando várias pessoas altamente qualificadas têm essa mesma reação ao mesmo projeto, é um sinal de que algo genuinamente diferente está sendo proposto.
A Core Automation parece ter ativado exatamente esse gatilho em pessoas que, a princípio, tinham todos os motivos para ficar onde estavam.
Esse fenômeno também revela algo sobre o momento atual do setor de inteligência artificial. Mesmo com laboratórios bem financiados, salários altíssimos e projetos de impacto global, ainda existe um grupo significativo de pesquisadores que sente que os problemas mais interessantes ainda não estão sendo abordados da forma certa. Existe uma inquietação no ar, uma sensação de que o campo ainda não chegou onde precisa chegar e que as estruturas existentes, por mais poderosas que sejam, talvez não sejam o melhor ambiente para resolver certas questões. Essa inquietação é combustível para startups como a Core Automation, que aparecem exatamente no momento certo para canalizar essa energia.
Além disso, o efeito nerdsniped tem uma consequência prática muito concreta: ele atrai talento qualificado sem que a empresa precise competir apenas no campo financeiro. Numa indústria onde os salários já estão nas alturas e os benefícios dos grandes laboratórios são difíceis de bater, a capacidade de apresentar um problema genuinamente fascinante é um diferencial competitivo real. A Core Automation soube fazer isso, e o resultado está visível na composição do time que está sendo montado. 🚀
A tendência de talentos saindo de Big Tech para startups de IA
A migração de pesquisadores renomados dos grandes laboratórios para startups não é algo que a Core Automation inventou. Esse é um movimento que vem se intensificando nos últimos anos e que reflete uma mudança importante na dinâmica do setor.
Um exemplo recente e emblemático é o de Yann LeCun, que era cientista-chefe de IA na Meta e saiu para fundar sua própria startup, a Advanced Machine Intelligence Labs, conhecida como AMI Labs. O foco da AMI Labs está no desenvolvimento de world models, que são sistemas de IA capazes de entender e refletir o mundo real de forma mais fiel. A abordagem da AMI Labs se distancia do foco da Meta em desenvolvimento de modelos voltados para fins comerciais e escala, o que reforça a ideia de que pesquisadores de ponta frequentemente buscam direções que as grandes corporações não priorizam.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
No ano passado, as grandes empresas de tecnologia travaram verdadeiras batalhas pelo talento em IA, oferecendo acquihires multibilionárias e pacotes de remuneração massivos. Mas as startups também se mostraram jogadoras ativas nessa guerra, oferecendo salários competitivos, pacotes de equity generosos e algo que as grandes empresas têm mais dificuldade em entregar: impacto direto e sensação real de ownership sobre o que está sendo construído.
Shawn Thorne, diretor-gerente da firma de recrutamento executivo True Search, observou que os salários-base em startups subiram rapidamente conforme elas competiam para atrair talentos de IA. Segundo ele, o equity é o grande fator que ajuda a compensar o custo de oportunidade para pesquisadores e engenheiros de ponta que, de outra forma, poderiam optar por começar seus próprios empreendimentos.
Para deixar a proposta ainda mais atraente, startups também oferecem incentivos adicionais como títulos de cofundador, acesso a recursos de computação em escala e tempo dedicado para pesquisa independente. Esses benefícios podem parecer sutis à primeira vista, mas para um pesquisador que quer ter liberdade intelectual e ao mesmo tempo fazer parte de algo com potencial de impacto enorme, eles fazem toda a diferença.
O que isso sinaliza para o futuro da pesquisa em IA
A criação da Core Automation e a rápida concentração de talentos ao redor dela levantam questões importantes sobre para onde o campo está indo. Se pesquisadores do mais alto calibre estão dizendo que o paradigma atual de escalar modelos e dados tem limitações, e estão colocando suas carreiras a serviço de uma abordagem diferente, isso é um indicador que merece atenção.
A proposta de automatizar a própria pesquisa pode parecer abstrata, mas pense no impacto prático: se uma IA consegue conduzir experimentos, analisar resultados e propor novos caminhos de investigação de forma autônoma, o ritmo de inovação pode acelerar de forma exponencial. Em vez de depender exclusivamente do tempo e da capacidade cognitiva de pesquisadores humanos, os ciclos de descoberta poderiam se tornar contínuos, operando em escalas e velocidades que hoje simplesmente não são viáveis.
Claro que isso traz desafios enormes. Questões sobre qualidade, segurança, interpretabilidade e controle desses sistemas automatizados precisam ser respondidas. Mas o fato de que pessoas com experiência direta na construção de modelos de fronteira como Claude e Gemini estão se dedicando a esse problema sugere que existe uma base técnica sólida por trás da ambição.
O movimento que a Core Automation está fazendo é um daqueles que vale acompanhar de perto. Não apenas pelo que a empresa promete entregar, mas pelo que a composição do seu time já diz sobre a direção que o campo de inteligência artificial pode estar tomando. Quando os melhores talentos do setor começam a apontar para o mesmo lugar, geralmente vale prestar atenção. 👀
