No ano passado, escrevi sobre a IA eliminando tarefas de baixo valor e acelerando o trabalho de alto valor para cientistas de dados. Um ano depois, com a IA avançando de GPT 4.5 para GPT 6, a mudança real é maior: a IA está remodelando a propriedade, o julgamento e os caminhos de carreira.

Nos últimos seis meses, mal escrevi SQL ou Python manualmente. A IA escreve a maior parte do código de análise; meu papel mudou de codificador para revisor. Fluxos de trabalho repetidos são empacotados em Agent Skills, como realizar análise de causa raiz de movimentos de métricas ou escrever relatórios de experimentos.

As partes interessadas agora puxam mais dados por conta própria usando ferramentas de IA como Claude Code. Mas surgem problemas de confiança: ou perdem a confiança após erros da IA ou confiam cegamente em saídas vibe-coded. Camadas semânticas tornam-se cruciais, definindo métricas como "Taxa de retenção" para que os agentes não precisem montar definições manualmente.

O gargalo mudou de "Alguém pode obter os dados?" para "Podemos confiar no que obtiveram?" A IA expandiu a definição do trabalho do cientista de dados além dos ganhos de produtividade puros.