O panorama dos especialistas em inteligência artificial se reconfigurou desde a explosão dos modelos de fundação. Os perfis que importam em 2026 não são mais apenas pesquisadores publicando em conferências acadêmicas: observamos um núcleo híbrido onde se cruzam fundadores de startups, mantenedores de infraestruturas open source e especialistas em ética algorítmica. Identificar quem seguir exige entender essas linhas de fratura.
Modelos de fundação e engenharia de LLM: os perfis técnicos a serem monitorados
O domínio das arquiteturas de modelos de linguagem distingue hoje os especialistas que fazem avançar o campo daqueles que apenas comentam. Na Europa, três nomes aparecem sistematicamente nas análises estruturadas de 2026: Arthur Mensch, Guillaume Lample e Timothée Lacroix, cofundadores da Mistral AI.
O trabalho deles se concentra na engenharia de LLM, desde o pré-treinamento até o deployment em produção. Este trio encarna uma expertise rara que combina pesquisa fundamental (publicações sobre mecanismos de atenção, o mixture-of-experts) e escalabilidade industrial.
Seguir esses perfis permite compreender os verdadeiros trade-offs técnicos: escolha de tokenização, estratégias de quantificação, compromissos entre tamanho do modelo e latência de inferência. Assuntos que a maioria das listas de grande público não aborda, mas que determinam o valor operacional de um sistema de IA em empresas. Para situar essas figuras em um panorama mais amplo, um recurso lista os melhores especialistas em inteligência artificial segundo vários critérios de seleção.
Open source e plataformas de IA: a influência pela infraestrutura
A infraestrutura open source molda mais o setor do que a pesquisa fechada. Thomas Wolf e Clément Delangue, respectivamente CSO e CEO da Hugging Face, tornaram-se referências globais não por suas publicações acadêmicas, mas pela plataforma que mantêm.
A Hugging Face abriga dezenas de milhares de modelos, datasets e espaços de demonstração. Quando um praticante de IA busca um modelo pré-treinado ou um pipeline de fine-tuning, ele quase sempre passa por essa infraestrutura. Wolf e Delangue orientam de fato as práticas de desenvolvimento de toda a comunidade.
Recomendamos seguir suas posições sobre a governança de modelos abertos, um tema que opõe defensores do acesso livre e reguladores europeus. Sua leitura é complementar à dos fundadores da Mistral AI: os primeiros constroem a camada de distribuição, os segundos a camada de modelo.
Criterios para avaliar um especialista open source
- Contribuições diretas ao código ou à documentação de projetos de alta adoção (commits verificáveis, não apenas conferências)
- Posicionamento claro sobre as licenças de modelos (Apache 2.0, RAIL, copyleft) e suas implicações para as empresas
- Capacidade de explicar os limites técnicos das ferramentas que promovem, não apenas seus pontos fortes
IA para ciência e aprendizado de máquina aplicado: um ângulo subestimado
As listas de especialistas se concentram na IA generativa de grande público. Observamos que os avanços mais significativos muitas vezes vêm da IA aplicada às ciências. Max Welling (CuspAI) trabalha com IA para a descoberta de novos materiais. Christopher Bishop lidera o programa AI4Science na Microsoft.
Esses perfis interessam diretamente os profissionais que implantam sistemas de dados na indústria, farmácia ou energia. Sua expertise em aprendizado de máquina vai além do processamento de linguagem natural para cobrir modelos generativos aplicados à simulação molecular ou à otimização de processos industriais.
Jürgen Schmidhuber, frequentemente citado por seus trabalhos históricos sobre redes neurais recorrentes (LSTM), continua sendo uma voz técnica de referência. Sua contribuição não é medida em seguidores nas redes sociais, mas em citações acadêmicas e patentes que ainda estruturam as arquiteturas atuais.
Especialistas em IA francófonos: formação e divulgação profissional
O mercado francês tem suas próprias figuras, voltadas para a formação em competências de IA e integração em empresas. Alexandre Kantjas (9x) oferece uma expertise avançada sobre o deployment estratégico de modelos, com um ângulo operacional destinado a tomadores de decisão técnica.
Julien Simon produz conteúdos pedagógicos estruturados sobre machine learning e modelos de linguagem, acessíveis no YouTube. Sua particularidade: ele decompõe os conceitos de aprendizado profundo sem sacrificar a rigorosidade técnica, o que o torna um recurso útil para as equipes de dados que estão se aprimorando.
O que distingue um especialista acionável de um comentarista
- Produção regular de conteúdo técnico verificável (tutoriais, notebooks, benchmarks reprodutíveis)
- Experiência documentada de deployment de projetos de IA em produção, não apenas de prototipagem
- Capacidade de contextualizar as ferramentas em relação às restrições do negócio (custo de inferência, conformidade com o RGPD, manutenção dos modelos)
- Transparência sobre falhas e limites encontrados em projetos reais
Essa grade permite filtrar os perfis que trazem uma real expertise daqueles que apenas divulgam anúncios de produtos sem um olhar crítico.
Ética e regulação da IA: vozes a não ignorar
A ONU lançou em 2026 um painel científico dedicado à IA, sinal de que a regulação agora estrutura o debate tanto quanto a técnica. Os especialistas em ética algorítmica não estão mais restritos às margens do setor.
Seguir os trabalhos desse painel e dos pesquisadores que nele contribuem oferece acesso a uma leitura complementar dos desafios: viés nos dados de treinamento, impacto ambiental das infraestruturas de computação, questões de soberania sobre os modelos de fundação. Para as empresas que implantam sistemas de IA em grande escala, essas dimensões condicionam diretamente a viabilidade regulatória de seus projetos.
Os especialistas mais relevantes a serem seguidos em 2026 compartilham uma característica comum: eles produzem artefatos verificáveis (código, modelos, relatórios técnicos) em vez de opiniões. Construir sua vigilância em torno dessa distinção continua sendo o filtro mais confiável para desenvolver uma cultura de IA sólida e operacional.