Um infográfico em português anda circulando com o título “Quem é quem na IA”: um iceberg com os CEOs famosos no topo, os cientistas no meio e quatro nomes quase desconhecidos no fundo. Para quem usa IA no trabalho, o mapa é um bom começo — com duas correções e um roteiro de estudo que cabe em qualquer rotina.
Os três níveis em resumo
No topo, os CEOs que todo mundo cita: Sam Altman (OpenAI), Dario Amodei (Anthropic), Elon Musk (xAI), Mark Zuckerberg (Meta) e Jensen Huang (Nvidia, os chips por trás de tudo). No meio, quem construiu o campo: Hinton (Nobel de Física 2024), Hassabis (Nobel de Química 2024, AlphaFold), Bengio, LeCun e Fei-Fei Li (ImageNet). Correção importante: o Turing Award de 2018 — o “Nobel da computação” — foi dos três juntos, Hinton, Bengio e LeCun, não só de Bengio. No fundo do iceberg: Ilya Sutskever (SSI), Andrej Karpathy (ensino gratuito de qualidade), Mira Murati (Thinking Machines) e Liang Wenfeng (DeepSeek, o nome que barateou o custo dos modelos).
Por que isso muda seu uso
Saber quem faz o quê economiza tempo real. Modelo caro travando? A corrida da DeepSeek mostra alternativa de peso aberto. Ferramenta nova da OpenAI? Vale lembrar que Sutskever e Murati saíram e levaram times próprios. E quando um CEO promete “AGI”, o termômetro mais confiável é o histórico dos cientistas do nível 2, não o marketing do nível 1.
Os três recursos do rodapé
O infográfico fecha com três recomendações e vale detalhar. O curso de Karpathy no YouTube é o melhor ponto de entrada técnico gratuito — código do zero, sem prerequisites além de programação básica. O livro de Fei-Fei Li, The Worlds I See, é a história do campo contada por quem criou a visão computacional. O ensaio de Amodei, Machines of Loving Grace, é a visão otimista estruturada do que a IA pode fazer pela ciência e pela economia — leitura essencial para opinar com base. E para o dia a dia imediato, ferramentas como o NotebookLM aplicado a provas e estudos já colocam o nível 1 da teoria para trabalhar por você.
Comece pelo que você usa
O erro comum é estudar a IA como história — nomes, prêmios, empresas — e não como ferramenta. O roteiro sugerido: uma semana usando uma ferramenta nova com atenção (por exemplo, transformar seus PDFs em material de estudo), um fim de semana no primeiro vídeo de Karpathy, e o livro de Fei-Fei Li nas leituras curtas. Em um mês você entende o iceberg inteiro — de dentro para fora.
Uma nota sobre datas: cargos nesta área mudam rápido — Sutskever e Murati estavam na OpenAI em 2023, hoje lideram os próprios laboratórios. Antes de repetir qualquer mapa em conversa ou apresentação, confira se a informação continua válida; o iceberg deste texto foi verificado em novembro de 2026.
E se a pergunta for “por onde começo sem perder tempo”: a resposta curta é a ordem deste texto. Primeiro, saiba quem faz o quê (15 minutos). Segundo, escolha um recurso do rodapé e comprometa-se com ele por duas semanas. Terceiro, aplique no seu trabalho — o estudo de IA que não muda nada na sua rotina de segunda-feira tende a não sobreviver ao mês.
Guarde também os nomes de empresa que acompanham cada pessoa: saber que Claude é Anthropic, Grok é xAI e que a DeepSeek responde por Liang Wenfeng já elimina metade da confusão das manchetes.
Resumindo o iceberg em uma linha de cada: Altman e Musk vendem o futuro; Hinton, Hassabis e Fei-Fei Li construíram o presente; Sutskever, Karpathy, Murati e Liang Wenfeng estão a decidir o próximo capítulo — e o curso certo transforma essa curiosidade em vantagem concreta no seu trabalho.