「慢知識的護城河」

Todos sabem que a ciência é uma conquista coletiva.
As ondas gravitacionais foram feitas por milhares de pessoas ao longo de dezenas de anos. O AlphaFold é resultado de toda a equipa da DeepMind. Ninguém diria que esses são frutos do talento de um génio a trabalhar sozinho.
Mas as empresas de tecnologia, ao recrutarem investigadores de IA, apostam exatamente o oposto.
Um comentário recente na *Nature* revelou um número: investigadores jovens com cerca de cinco anos de carreira e com citações de artigos na frente, têm uma probabilidade, no ano seguinte, de mudarem para a indústria que é 100 vezes maior do que a de académicos comuns na mesma fase.
100 vezes. Não duas ou três.
Isto não é uma questão de escolha pessoal, é uma questão estrutural de sangria de talentos.
Um professor de IA de topo recebe cerca de 20 a 40 mil dólares por mês. Parece bastante. Mas a Google e a OpenAI oferecem uma compensação total que pode chegar a 100 a 300 mil dólares. A mesma pessoa, a fazer trabalho semelhante, recebe uma diferença de uma ordem de grandeza.
A lógica da indústria é bastante direta: enquanto houver um "engenheiro 10x", não é preciso formar dez engenheiros comuns. E agora essa lógica está a evoluir — se a IA puder substituir engenheiros de nível médio e baixo, então deve-se concentrar recursos na captação dos melhores.
O problema é que essa lógica inverte uma coisa.
Podes pensar na academia como o solo, e na indústria como a construção de casas em cima dele.
O trabalho do solo é lento, não pressupõe cenários de aplicação, e permite falhas. Ele produz conhecimento que pode ser citado repetidamente, criticado abertamente, e não um produto impulsionado por objetivos comerciais.
Arrancar a parte mais fértil do solo para construir casas faz com que, a curto prazo, as casas fiquem melhores, mas a longo prazo, a fundação vai-se aplanando e ficando vazia.
Eu próprio, no último ano do meu PhD, lidava com essa questão: publicar a tese, mas também receber ofertas da indústria.
Essa escolha não é só uma questão de salário, é uma questão de qual será a velocidade e o público-alvo do seu trabalho de investigação.
Os problemas da indústria são reais, mas vêm sempre com uma pressão de tempo implícita e uma direção de aplicação. A academia tem problemas livres, mas é preciso aceitar que essa liberdade tem um custo.
Essa fuga de talentos não se resolve com "a academia precisa ser mais competitiva". Não se ganha com menos dinheiro.
O que realmente precisa é que o sistema académico repense o que oferece de "coisas que a indústria não tem", e torne essas coisas mais visíveis e atraentes para quem realmente valoriza isso.
Tenho um conceito que tenho pensado: chamo-lhe a «vantagem competitiva do conhecimento lento».
Nem todo conhecimento valioso pode ser realizado num ciclo de produto de 18 meses. Aqueles que não podem, precisam de alguém que os mantenha.
--------------------------
Citações:
1. Sanders, N. E., & Schneier, B. (2026). Why sky-high pay for AI researchers is bad for the future of science. *Nature*.

2. Jurowetzki, R., Hain, D. S., Wirtz, K., & Bianchini, S. (2025). The private sector is hoarding AI researchers: what implications for science? *AI & Society*, 40(5), 4145–4152.