← Voltar pro acervo

Decoded · 27 mai 2026 · ep.14 / agent layer

Quem é dono da
GenAI na empresa?

Phil Hetzel (Solutions Engineering Lead na Braintrust) argumentou em 25/05/2026 na AI Engineer que GenAI não pertence aos data scientists só porque tem "AI no nome". O data pipeline pesado já foi feito — sobra prompt engineering, distributed systems, human annotation, eval funcional. Time diverso vence silo. Este kit traz o framework de papéis × responsabilidades, checklist de 12 perguntas pra mapear seu time, comparativo enterprise tradicional vs AI native, e fontes.

Decifrado a partir de Phil Hetzel · Braintrust · AI Engineer 2026 · YouTube · 25.05.2026.

Arquivos · 5 docs

O que tem aqui dentro

comece pelo README

Índice e trilha de leitura

O mapa do kit. 3 trilhas conforme seu tempo — 5 minutos panorâmico, 14 minutos completo, 30+ minutos com fontes oficiais.

01-framework-time-genai.md

Matriz papéis × responsabilidades

Os 4 papéis essenciais (Data Scientist, Product Engineer, Systems Engineer, SME/PM), o que cada um entrega, o que NÃO é responsabilidade dele, sinais de alerta. Termina com matriz consolidada (★ principal, ◐ secundária, — não) pra 13 responsabilidades da stack agentic.

02-checklist-mapeamento.md

Checklist · 12 perguntas pra mapear o time

12 perguntas em 4 blocos: estrutura atual, capabilities técnicas, loop com domínio, sinais sistêmicos. Diagnóstico baseado em quantas respostas verde: 7+ saudável, 3-6 gaps específicos, 0-2 silo organizacional grave. Aplica em ~10 minutos.

03-enterprise-vs-ai-native.md

Comparativo · 2 padrões organizacionais reais

Os dois padrões que Phil descreve, expandidos operacionalmente: como GenAI chega, estrutura típica, workflow padrão, métricas dominantes, ferramentas características, anti-patterns frequentes. Tabela comparativa em 6 dimensões.

Onde ler mais · fontes + análises

Link do talk (YouTube), perfil do Phil Hetzel (LinkedIn), Braintrust (a plataforma), AI Engineer (a conferência), outros episódios da série Agent Layer, materiais complementares sobre LLM-as-judge, human annotation, eval funcional e estrutura de time AI.