Blank white background with no objects or features visible.

Olá, EMEA! A TrueFoundry está expandindo sua presença pela Europa, Oriente Médio e África. Leia mais. →

O Mapa de Habilidades em Engenharia de AI de Andrew Ng: O Que as Equipes Enterprise Devem Padronizar

By Boyu Wang

Updated: novembro 3, 2026

Published: setembro 1, 2026

O mapa de Andrew Ng é um framework de habilidades, não uma arquitetura de produto. Este artigo faz uma pergunta enterprise mais precisa: quais mecânicas os engenheiros devem entender e possuir, e quais primitivas repetíveis de runtime, acesso, governança, reuso e evidência uma plataforma pode padronizar sem substituir esse julgamento?

Source Note
Nota da fonte. Andrew Ng e DeepLearning.AI introduziram o Mapa de Habilidades em Engenharia de AI em 14 de agosto de 2026. O lançamento principal afirma que o mapa é baseado na análise de mais de 10.000 ofertas de emprego, entrevistas estruturadas com especialistas e recrutadores, pesquisas e outros dados online. A página oficial de publicações de Ng lista acompanhamentos detalhados sobre construção e implantação de aplicações de AI (21 de agosto) e fundamentos de engenharia de software (28 de agosto). O mapeamento de infraestrutura abaixo é uma interpretação editorial da TrueFoundry, não um endosso de Andrew Ng ou da DeepLearning.AI.

As quatro habilidades de alto nível de Andrew Ng são enganosamente simples:

  1. Construção e implantação de aplicações de AI
  2. Fundamentos de engenharia de software
  3. Uso de agentes de código
  4. Modelagem da construção (Shaping the build)

O sinal útil é o que a lista se recusa a simplificar demais. A engenharia de AI não se reduz a engenharia de prompts; agentes de código não eliminam os fundamentos de software; a implantação faz parte do ofício; e o julgamento de produto caminha lado a lado com a implementação. O mapa, portanto, trata a engenharia de AI como uma combinação de trabalho de sistemas, engenharia de software, desenvolvimento assistido por agentes e julgamento.

Platform Map Callout

Ng mapeia as capacidades que as pessoas precisam. As empresas também precisam de um mapa de plataforma: qual infraestrutura repetível toda equipe deve herdar em vez de reconstruir?

1. Um mapa de habilidades não é um checklist de produtos

A maneira errada de usar o mapa de Ng seria desenhar quatro caixas e afirmar que uma plataforma "resolve" cada uma delas. Habilidades são capacidades humanas. Julgamento de produto, julgamento de arquitetura, capacidade de depuração, design de avaliação e compreensão do cliente não desaparecem porque uma empresa compra infraestrutura.

A tradução enterprise mais útil é esta: padronize as mecânicas repetíveis para que os engenheiros possam dedicar mais do seu escasso julgamento às partes que genuinamente exigem julgamento.

Figure 1. Four AI engineering skill areas feeding shared enterprise infrastructure primitives and institutional capability.
Figura 1. Síntese editorial da TrueFoundry. Ng define habilidades humanas; o mapeamento de infraestrutura pergunta quais mecânicas repetidas podem se tornar primitivas organizacionais compartilhadas sem terceirizar a engenharia ou o julgamento de produto.

2. Construção e implantação de aplicações de AI: é aqui que o mapa da plataforma é mais forte

O detalhamento de Ng em 21 de agosto divide a construção e implantação de aplicações de AI em seis capacidades: fundamentos de LLM, aterramento de modelos com dados (grounding), construção de sistemas agênticos, desenvolvimento orientado a avaliações, operação em produção e fundamentos de aprendizado de máquina. O ponto importante é que essas são habilidades de engenharia, não categorias de fornecedores. Uma plataforma pode operacionalizar partes do trabalho; ela não pode substituir o conhecimento sobre por que uma determinada arquitetura, modelo, avaliador ou política de falha é apropriada.

Fundamentos de LLM → AI Gateway pode padronizar o acesso, não a compreensão

Os engenheiros ainda precisam entender o comportamento do modelo: janelas de contexto, caching, limites de conhecimento (knowledge cutoffs), amostragem, esforço de raciocínio, chamadas de ferramentas (tool calling), latência, custo e comportamento específico do provedor. O TrueFoundry AI Gateway pode padronizar como o tráfego roteado do modelo é acessado e governado—APIs unificadas, roteamento e fallbacks, RBAC, limites de taxa (rate limits), orçamentos, guardrails e observabilidade compatível com OpenTelemetry—mas não elimina a necessidade de compreender esses tradeoffs de modelo.

Aterramento de modelos com dados → acesso governado, não "RAG pronto para uso"

Ng trata o aterramento (grounding) como um menu arquitetônico em vez de um sinônimo para busca vetorial: os engenheiros podem escolher contexto no prompt, recuperação, chamadas de ferramentas, índices vetoriais, grafos de conhecimento, camadas semânticas sobre dados estruturados, ou combinações deles. Não existe um mapeamento universal de "grounding → MCP Gateway". Quando uma aplicação expõe recuperação ou acesso a dados por meio de ferramentas MCP, o MCP Gateway pode governar esse caminho de acesso através de descoberta, autenticação, permissões em nível de ferramenta, credenciais downstream, guardrails, aprovações, observabilidade e auditoria. Se o grounding ocorrer diretamente dentro da aplicação ou por meio de um vetor store, grafo de conhecimento ou camada semântica que não perpasse o MCP, esse caminho permanece fora do MCP Gateway.

Construção de sistemas agênticos → arquitetura em primeiro lugar; TrueForge mapeia para o ramo de harness/runtime

A expansão de Ng em 21 de agosto trata os sistemas agênticos como um espectro arquitetônico em vez de uma escolha única de framework. Em um extremo, uma aplicação pode executar um fluxo de trabalho comparativamente explícito de chamadas de modelos. No extremo mais aberto, um harness de agente permite que o modelo escolha repetidamente seu próximo passo enquanto o runtime ao redor gerencia ferramentas, contexto, execução, limites de segurança e continuação. No meio termo estão os sistemas híbridos que combinam estrutura de fluxo de trabalho explícita com nós agênticos.

Isso significa que a habilidade subjacente é o julgamento arquitetônico: decidir o que deve ser determinístico, o que deve ser delegado a um modelo, o que pode ser executado em paralelo, quais ferramentas o sistema pode chamar, como a memória e o contexto de sessões longas devem funcionar, quando múltiplos agentes ajudam, e quais fallbacks, guardrails e governança são necessários.

O TrueForge se mapeia fortemente ao ramo de harness/runtime desse espaço de design. Sua documentação define um harness de agente open-source que executa o loop de modelo/ferramenta, conecta-se a servidores MCP, gerencia contexto de tarefas longas, trata a execução em sandbox isolado como uma ferramenta, pausa para aprovação humana, suporta subagentes e persiste sessões entre reconexões e reinicializações.

O mapeamento se torna concreto no AgentSpec. Uma definição de agente reutilizável pode especificar o modelo e parâmetros, instruções, servidores MCP e filtros de ferramentas, política de aprovação, Skills, comportamento de sandbox, gerenciamento de contexto, formato de resposta e limite de iterações. Essas são escolhas de runtime que um engenheiro pode precisar ao implementar uma arquitetura baseada em harness de agente.

Scope Boundary Note
Limite de escopo. O TrueForge não representa a habilidade completa de “construção de sistemas agênticos”. Ele não decide se um fluxo de trabalho explícito é melhor do que um loop de agente, não possui topologia arbitrária de processos de negócios, não define a verdade de negócios, não fornece critérios de avaliação específicos da aplicação e não substitui a autorização downstream. O TrueFoundry AI e o MCP Gateways podem governar o tráfego de modelos e ferramentas roteado por eles, mas esses planos de controle compartilhados são complementares—e não substitutos—para a arquitetura em si.
Figure 2. Agentic systems as an architectural spectrum from explicit workflows through hybrid systems to an agent harness runtime.
Figura 2. A “construção de sistemas agênticos” é mais ampla do que qualquer runtime individual. O TrueForge se mapeia fortemente ao lado de harness/runtime do espaço de design; a topologia do fluxo de trabalho da aplicação, a semântica de negócios, os critérios de avaliação e a autoridade downstream permanecem como preocupações separadas.

Desenvolvimento orientado a avaliações → evidências estruturadas, não um avaliador embutido

Ng trata a avaliação disciplinada e a análise de erros como uma habilidade fundamental de engenharia de AI. A implicação para a plataforma não é "comprar um avaliador". É que as avaliações precisam de evidências confiáveis sobre o que realmente aconteceu: prompts e respostas retidos, escolhas de modelos/ferramentas, etapas intermediárias, falhas, latência, custo e o contexto da tarefa ao redor.

O TrueForge torna sua estrutura de runtime explícita por meio de um modelo Agent → Session → Turn → Event → Delta. A documentação distingue esses objetos com precisão:

TrueForge Objects Table
Objeto
TrueForge
Significado documentado Por que importa para
avaliação
Agent Uma definição reutilizável contendo modelo, instruções, ferramentas e configuração; não é um processo em execução. Identifica a definição de runtime sendo exercitada.
Session Um problema ou unidade de trabalho cujos turnos compartilham contexto; seu ID pode ser persistido para que o trabalho seja retomado mais tarde. Agrupa uma tarefa de longa duração sem misturar trabalhos não relacionados.
Turn Um ciclo de solicitação/resposta. Um turno pode pausar para aprovação, esclarecimento ou autenticação MCP e continuar em um turno posterior. Fornece uma unidade natural em nível de interação para análise.
Event Um registro estruturado emitido enquanto um turno é executado—por exemplo, turn.created, mcp.initialize, model.message, tool.response, tool.approval_required e turn.done. Permite que a depuração ou avaliação reconstrua quais ações de runtime ocorreram.
Delta Um fragmento transmitido em stream associado a um evento, notadamente a saída do modelo token por token; visualizações de eventos persistidas são mescladas. Útil para análise de streaming/tempo, mas geralmente não é o objeto de avaliação semântica por si só.

"Cada evento diz à sua aplicação o que o agente está fazendo."

Conceitos do TrueForge SDK — Event
Figure 3. TrueForge runtime evidence hierarchy from Agent to Session to Turn to Event to Delta, with example turn events.
Figura 3. O TrueForge documenta Agent → Session → Turn → Event → Delta como seu modelo mental do SDK. Eventos tornam a execução inspecionável; avaliadores específicos por tarefa ainda determinam se o comportamento foi correto ou valioso.

O modelo de Event é tecnicamente útil porque a documentação também especifica um ID de evento, um thread_id que distingue o agente raiz das threads de subagentes, e informações de sequência usadas ao retomar após uma desconexão. Isso fornece evidências de execução estruturadas em vez de uma única resposta final opaca.

Para o tráfego roteado por meio dos TrueFoundry Gateways, traces e métricas nos limites do modelo e do MCP adicionam outra camada de evidência. Mas a fronteira continua importante: eventos e traces não determinam se uma resposta foi correta, se a ação de uma ferramenta foi apropriada ou se um resultado de negócio foi bem-sucedido. A aplicação ainda precisa de conjuntos de dados específicos da tarefa, asserções determinísticas, juízes LLM onde apropriado, revisão humana ou outra lógica de avaliação.

Operação em produção → controles compartilhados ao redor do runtime

O ramo de produção de Ng inclui observabilidade, falhas, segurança, testes de regressão e tradeoffs de custo/latência. Aqui o mapeamento do TrueFoundry é mais forte quando expresso como controles operacionais compartilhados, e não como um substituto para a engenharia de produção.

O AI Gateway documenta acesso unificado a modelos, controle de acesso granular, limite de taxa (rate limiting), balanceamento de carga de modelos virtuais com retentativas/fallbacks, limite de orçamento, guardrails e métricas/logs compatíveis com OpenTelemetry para o tráfego de modelos roteado por ele. O MCP Gateway adiciona visibilidade centralizada e políticas sobre o tráfego de ferramentas MCP, incluindo guardrails pré/pós-ferramenta, fluxos de trabalho de aprovação e registros de auditoria. O Agent Registry fornece um catálogo além de métricas e traces centralizados para agentes registrados, incluindo agentes remotos.

Essas capacidades podem reduzir a duplicação de infraestrutura operacional entre as equipes. Elas não definem os SLOs da aplicação, política de incidentes, semântica de rollback, estratégia de idempotência, requisitos de retenção de dados ou tratamento de falhas específico do negócio.

Fundamentos de aprendizado de máquina → continuam sendo fundamentos

Intencionalmente, não há substituição de produto aqui. Compreender viés/variância, qualidade de dados, avaliação, tradeoffs de modelos e dinâmica de aprendizado continua sendo uma habilidade humana. A infraestrutura pode dar suporte ao fluxo de trabalho, mas não pode substituir os modelos mentais necessários para raciocinar sobre saídas incertas.

3. Fundamentos de engenharia de software importam mais quando agentes escrevem mais código

O acompanhamento de Ng em 28 de agosto torna explícita a relação com os agentes de código: os fundamentos de software continuam sendo essenciais porque os engenheiros ainda precisam reconhecer e direcionar tradeoffs que o agente não consegue inferir apenas a partir do contexto de negócios. Ele organiza este ramo em torno da construção de aplicações full-stack, gerenciamento de dados, design de arquiteturas de sistemas, garantia de segurança e confiabilidade dos sistemas, e escalabilidade e operação em produção.

O mapeamento do TrueFoundry aqui é intencionalmente indireto. Uma plataforma pode padronizar algumas primitivas de implementação—autenticação e autorização em limites compartilhados, políticas de acesso a modelos/ferramentas, controles de orçamento/taxa, isolamento em sandbox, estado persistente de runtime de agentes e telemetria—mas não pode fornecer a compreensão do engenheiro sobre modelos de dados, consistência, testes, domínios de falha, design de segurança ou arquitetura de sistemas.

Engineering Concerns Table
Preocupação de
engenharia
O que o engenheiro deve
entender
O que a infraestrutura compartilhada pode padronizar
Arquitetura Limites, domínios de falha, propriedade de estado, consistência Interfaces estáveis de harness/runtime; limites compartilhados de acesso a modelos/ferramentas
Segurança Modelo de ameaças, privilégio mínimo, sensibilidade dos dados, autoridade downstream Authn/authz do Gateway, permissões de ferramentas, manipulação de credenciais, guardrails; isolamento em sandbox no harness
Confiabilidade Retentativas, idempotência, tratamento de falhas, rollback, estado durável Sessões/eventos de agentes persistentes, primitivas de roteamento/fallback de modelos, telemetria
Custo Valor econômico das escolhas de modelos/ferramentas/agentes Políticas de orçamento/taxa e atribuição de custos
Operações O que constitui um SLO ou incidente significativo Traces/métricas compartilhados para tráfego roteado e agentes registrados

O princípio é simples: agentes de código podem acelerar a implementação, mas a arquitetura ainda determina a forma da falha.

4. Uso de agentes de código: governe o ambiente ao redor deles

Ng faz do uso de agentes de código uma habilidade de alto nível separada. No Mapa de Habilidades original, trata-se da própria habilidade operacional do desenvolvedor: ter um modelo mental útil de como os agentes de código funcionam e falham, gerenciar seu contexto, decidir quanta autonomia conceder, fornecer verificadores ou avaliações, saber quando intervir e atualizar continuamente o fluxo de trabalho à medida que as ferramentas mudam.

Isso não é algo que a TrueFoundry possa substituir. O mapeamento natural de produto se limita apenas a partes do ambiente ao redor dos agentes de código. Para clientes de codificação compatíveis que usam MCP, o MCP Gateway pode centralizar a descoberta de servidores, autenticação de entrada, controle de acesso em nível de ferramenta, credenciais downstream, guardrails, aprovações e auditoria. Isso pode tornar a superfície de ferramentas mais consistente e governável entre usuários e clientes.

O Skills Registry aborda um problema diferente: conhecimento procedimental reutilizável. A TrueFoundry documenta Skills como artefatos versionados que podem ser publicados uma vez e reutilizados em TrueFoundry Agents, Claude Code e Cursor, herdando RBAC do repositório, histórico de versões e logs de auditoria.

Tools and Skills Note

Ferramentas (Tools) e Habilidades (Skills) resolvem problemas diferentes.

O MCP governa capacidades chamáveis e seu caminho de acesso. Uma Skill empacota instruções, scripts e materiais de suporte sobre como um agente deve realizar uma classe de trabalho. Nenhuma das duas opções torna um desenvolvedor proficiente em supervisionar um agente de código.

5. Modelagem da construção (Shaping the build): o mapeamento de produto mais fraco é o mais importante

O quarto ramo é o local menos apropriado para a promoção de produtos. A abordagem de Ng se move da implementação em direção ao senso de produto, contexto de negócios, metas do cliente, sentimento de dono (ownership), seleção de problemas que valem a pena e julgamento sobre quando lançar um MVP versus quando o risco ou a qualidade exigem uma construção mais cuidadosa.

Nenhum gateway, harness, registry ou dashboard fornece esse julgamento. A infraestrutura pode melhorar o ciclo de feedback: o tráfego roteado pelo gateway pode expor uso, latência, falhas e gastos; o Agent Registry pode centralizar métricas e traces para agentes registrados; os controles de orçamento podem delimitar experimentos. Esses são insumos para o julgamento, não substitutos para decidir o que deve ser construído ou qual resultado importa.

Esta é a leitura enterprise útil do mapa: padronize mecânicas não diferenciadas para que os engenheiros possam passar mais tempo em arquitetura, avaliação, compreensão do cliente e decisões de produto que não podem ser centralizadas.

6. A versão enterprise do mapa de habilidades

Se o mapa de Ng descreve o engenheiro moderno, uma plataforma enterprise de AI deve responder a uma pergunta paralela: o que todo engenheiro deve receber por padrão?

Organizational Capability Mapping Table
Capacidade
organizacional
Mapeamento TrueFoundry / TrueForge Limite
Runtime Execução de agentes
consistente
TrueForge: primitivas de harness/runtime para loops de modelo/ferramenta, MCP, Skills, sandbox como ferramenta, HITL, subagentes, gerenciamento de contexto, sessões persistentes, turnos, eventos e deltas. Mapeamento forte para o ramo de harness/runtime da engenharia de sistemas agênticos; não representa a habilidade completa e não detém a semântica arbitrária de fluxos de trabalho/negócios.
Modelos Acesso portátil a
modelos
AI Gateway: acesso unificado, roteamento/fallbacks, RBAC, limites de taxa, orçamentos, guardrails e telemetria para tráfego de modelos roteado. Operacionaliza o acesso ao modelo; não ensina os fundamentos de LLM nem determina a estratégia correta de modelo/avaliação.
Ferramentas Acesso governado a
capacidades
enterprise
MCP Gateway: registro/descoberta, autenticação de entrada, acesso em nível de ferramenta, credenciais downstream, guardrails pré/pós, aprovações, observabilidade e auditoria. Aplica-se quando ferramentas/dados são acessados via MCP; não substitui a arquitetura de grounding subjacente ou a autorização de negócios downstream.
Conhecimento Procedimentos
reutilizáveis
Skills Registry: Skills reutilizáveis, versionadas e descobríveis que herdam RBAC do repositório, histórico de versões e logs de auditoria. Suporta o reuso procedimental; não prova que uma Skill está correta nem torna alguém proficiente no uso de agentes de código.
Agentes Inventário e
governança
compartilhada
Agent Registry: registrar e descobrir agentes TrueFoundry ou remotos, aplicar controles de acesso e centralizar métricas/traces para agentes registrados. Superfície de inventário/observabilidade; não define a orquestração da aplicação nem a semântica de negócios.
Evidências Feedback
operacional
TrueForge Events + Traces/métricas do Gateway: evidências estruturadas sobre etapas de runtime e atividade de modelos/ferramentas roteados. Evidência não é avaliação; critérios específicos da tarefa, conjuntos de dados, juízes, revisão humana e política de promoção permanecem externos.

7. A mudança maior: da fluência individual para a capacidade institucional

A consequência enterprise mais importante do mapa de habilidades de Ng pode ser que a engenharia de AI está se tornando ampla demais para ser operacionalizada por meio de heroísmos individuais.

Um excelente engenheiro pode entender de modelos, RAG, agentes, avaliações, sistemas distribuídos, segurança, agentes de código, tradeoffs de produto e operações. Mas se cada engenheiro também tiver que reconstruir adaptadores de modelos, manipulação de credenciais, descoberta de MCP, autorização de ferramentas, estado de aprovações, contabilidade de custos e rastreamento dentro de cada projeto, a organização estará desperdiçando essa experiência em infraestrutura não diferenciada.

Uma divisão de trabalho mais forte é:

  • Os engenheiros são donos do julgamento: arquitetura, design de avaliação, escolha de modelo/ferramenta, tradeoffs de produto, análise de erros e o que construir.
  • O TrueForge fornece o harness/runtime de agente aberto: mecânicas reutilizáveis para executar loops de modelo/ferramenta com contexto, ferramentas, sandboxing, aprovações, estado, subagentes e eventos.
  • Os TrueFoundry Gateways fornecem limites de política compartilhados: acesso a modelos e MCP, roteamento, orçamentos, guardrails, credenciais, aprovações, auditoria e telemetria para o tráfego intencionalmente roteado por eles.
  • Sistemas de registro permanecem autoritativos: dados de negócios, permissões e efeitos colaterais ainda pertencem aos sistemas que os detêm.
Enterprise AI Infrastructure Goal

O objetivo da infraestrutura de AI enterprise não é substituir a habilidade em engenharia de AI. É permitir que essa habilidade se multiplique em vez de ser gasta reconstruindo a mesma camada de runtime e governança em cada aplicação.

Referências

  1. Andrew Ng / DeepLearning.AI — “The AI Engineering Skills Map” (14 de ago. de 2026). Framework principal e metodologia.
  2. Andrew Ng — Publicações. Índice oficial para os acompanhamentos de 21 de ago. “Building and Deploying AI Applications” e 28 de ago. “Software Engineering Fundamentals”.
  3. Andrew Ng — “Building and Deploying AI Applications” (21 de ago. de 2026). Expansão detalhada da primeira área de habilidades.
  4. TrueForge — Introdução. Definição do harness e capacidades documentadas de loop de execução.
  5. TrueForge — Criar um Agent. Campos de AgentSpec e opções de runtime.
  6. TrueForge — Conceitos de SDK: Event. Semânticas de Agent/Session/Turn/Event/Delta e metadados de eventos.
  7. TrueFoundry — Introdução ao AI Gateway.
  8. TrueFoundry — Visão Geral do MCP Gateway.
  9. TrueFoundry — Autenticação e Segurança do MCP Gateway.
  10. TrueFoundry — Skills Registry.
  11. TrueFoundry — Agent Registry.

Isenção editorial: Andrew Ng e DeepLearning.AI não possuem afiliação com este artigo e não endossam a TrueFoundry. Seu AI Engineering Skills Map é utilizado como uma estrutura externa; todos os mapeamentos de infraestrutura são análises editoriais da TrueFoundry. As capacidades dos produtos foram checadas novamente com base na documentação pública da TrueFoundry e do TrueForge disponível em 31 de agosto de 2026.

‍

‍

Try now.

One gateway for all your models, MCP servers, and agents. No credit card needed.

Start free
Table of Contents

One Gateway for Every LLM, Agent and MCP Server

Book a 30-min with our AI expert

Book a Demo

The fastest way to build, govern and scale your AI

Book Demo
Summarize with
ChatGPT logo by OpenAI
Perplexity AI logo
Blurry red snowflake on white background, symmetrical frosty design with soft edges and abstract shape.

Discover More

No items found.
novembro 18, 2026
|
5 min read

Limites do Claude Code Explicados (Edição 2026)

No items found.
Analyzing how Cloudflare detects MCP traffic
novembro 18, 2026
|
5 min read

How Cloudflare Detects MCP Traffic and Helps Secure It

No items found.
novembro 18, 2026
|
5 min read

What Is AI Search? How It Works, Architecture, and Enterprise Use Cases

No items found.
Explaining LLM fine-tuning for enterprise AI teams
novembro 18, 2026
|
5 min read

A Practical Guide to LLM Fine-Tuning: Methods, Data, Costs, and Deployment

No items found.
No items found.

Recent Blogs

Black left pointing arrow symbol on white background, directional indicator.
Black left pointing arrow symbol on white background, directional indicator.
Take a quick product tour
Start Product Tour
Product Tour