Ajuste de processo físico
90Ajustar uma ferramenta fabril real e instalada fisicamente requer presença prática e conhecimento tácito específico da ferramenta que não é transferido de forma limpa dos dados de treinamento.
Engenheiro de Semicondutores · Projeta e fabrica os transistores dentro de cada computador, telefone e arma, usando máquinas precisas o suficiente para que apenas algumas fábricas na Terra possam operá-las.
A engenharia de semicondutores está numa posição incomum: o mesmo boom de IA que remodela a demanda da profissão também está começando a automatizar partes do seu próprio trabalho diário, desde a otimização do layout do chip até a classificação de defeitos. Ao contrário de um trabalho puramente de software, porém, uma grande parte do trabalho acontece no chão de uma fábrica física, operando máquinas que custam dezenas de milhões de dólares cada e pelas quais alguém deve ser legal e financeiramente responsável.
Esse núcleo físico e de capital intensivo é o que mantém o risco de automação desta profissão mais moderado do que o da engenharia de software. As seções abaixo separam as tarefas que já estão sendo entregues aos algoritmos daquelas que, até agora, ainda exigem que uma pessoa permaneça em uma sala limpa ou aprove uma decisão no valor de milhões de dólares.
Tarefas específicas e bem definidas – classificar defeitos de wafer a partir de imagens, otimizar o layout físico de um chip, gerar testes de verificação de primeiro rascunho – já são comparativamente rápidas para serem executadas por ferramentas de IA. O que continua difícil de automatizar é ajustar fisicamente uma ferramenta fabulosa que se comporta de maneira um pouco diferente de sua irmã gêmea na linha seguinte, diagnosticar um defeito sem precedentes e ser responsável quando uma decisão afeta um lote de wafers no valor de milhões de dólares.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Ajustar uma ferramenta fabril real e instalada fisicamente requer presença prática e conhecimento tácito específico da ferramenta que não é transferido de forma limpa dos dados de treinamento.
Alguém tem que ser responsável quando um lote de wafers de toda a fábrica é descartado ou ocorre um incidente de segurança – um modelo não pode assumir essa responsabilidade.
Fabs lidam com gases tóxicos e pirofóricos como arsina e fosfina junto com equipamentos de alta tensão; os julgamentos aqui acarretam riscos físicos reais que não podem ser delegados.
Diagnosticar um modo de falha sem precedente correspondente – uma nova pilha de materiais, uma excursão inédita – ainda requer que uma pessoa forme e teste hipóteses sob pressão.
Decidir se o design ou o processo absorve o custo de uma solução alternativa, ou qual dos dois prazos conflitantes falha, é um julgamento político e técnico ao mesmo tempo.
Os modelos de visão computacional agora sinalizam defeitos em imagens de wafers e microscópios com mais rapidez e, muitas vezes, de forma mais consistente, do que a inspeção visual manual.
Algoritmos EDA avançados e pesquisas de aprendizagem por reforço, incluindo trabalhos publicados do Google em 2021, automatizam cada vez mais decisões de posicionamento e roteamento que antes precisavam de ajuste manual iterativo, embora os resultados e a reprodutibilidade permaneçam debatidos.
As ferramentas de IA podem gerar um conjunto inicial plausível de vetores de teste e cenários de cobertura para verificação de projeto, embora os engenheiros ainda julguem se testam os casos certos.
O software de controle estatístico de processo já sinaliza automaticamente parâmetros de fábrica fora de controle, uma tarefa que costumava exigir que um engenheiro examinasse os gráficos a olho nu.
Uma parcela crescente do trabalho de design envolve verificar e ajustar um layout ou planta baixa assistida por IA, em vez de colocar cada bloco manualmente do zero.
À medida que a complexidade do projeto aumenta e mais projetos são gerados por máquinas, detectar erros sutis de correção antes de uma interrupção irreversível está se tornando a habilidade mais escassa e mais valorizada do campo.
Os controlos de exportação e os programas de subsídios nacionais, incluindo a Lei CHIPS dos EUA, a Lei dos Chips da UE e o projecto Rapidus do Japão, estão a realocar activamente empregos de construção e engenharia de fábricas para novas regiões.
Uma parcela crescente de novos contratados projeta chips especificamente para treinamento e inferência em aprendizado de máquina, uma disciplina que mal existia como especialidade distinta antes da década de 2010.
Projeta silício personalizado otimizado para cargas de trabalho de aprendizado de máquina, em vez de computação de uso geral, uma especialização em rápido crescimento que extrai talentos do design de chip tradicional.
Integra interconexões ópticas em ou perto de um chip para mover dados mais rapidamente à medida que o escalonamento puro do transistor diminui, uma disciplina emergente que une a engenharia elétrica e óptica.
Avalia os clientes, rastreia a utilização final e acompanha as rápidas mudanças nas regras comerciais dos EUA, da UE e da China – uma função que mal existia como trabalho dedicado antes da década de 2020.
À medida que a redução de transistores individuais proporciona retornos decrescentes, mais ganhos de desempenho vêm do empilhamento e conexão de vários chips em um pacote, como o CoWoS da TSMC ou o Foveros da Intel.
A procura de engenheiros de semicondutores parece durável para a próxima década, impulsionada pela procura de aceleradores de IA e por um esforço deliberado e financiado pelo governo para construir capacidade de produção fora do actual punhado de locais dominantes. Mas o trabalho não está imune a perturbações: as tarefas rotineiras de planeamento e inspeção já estão a diminuir, e os custos extremos de capital da profissão significam que o crescimento do emprego permanece concentrado num pequeno número de países capazes de financiar fábricas multibilionárias.
A vantagem permanecerá com engenheiros que podem trabalhar na fronteira entre o físico e o digital – lendo um mapa de wafer, confiando em uma simulação apenas na medida em que o silício medido a confirme e assumindo a responsabilidade quando a sugestão de uma ferramenta automatizada se revelar sutilmente errada.
Diagnostica doenças e gerencia a saúde durante anos por meio de exames e evidências, não de uma única operação - o guia generalista e de longo prazo da medicina.
AI-resistant 67 🔐Protege sistemas, dados e pessoas, encontrando, prevenindo e respondendo a ataques digitais.
AI-resistant 63 🧫Utiliza dados clínicos, de ensaios e do sistema de saúde para gerar evidências confiáveis para cuidados, pesquisas e decisões operacionais mais seguras.
AI-resistant 68 📦Constrói os sistemas que treinam, implantam, monitoram e controlam modelos de aprendizado de máquina em produção.
AI-resistant 54 🦾Projeta as máquinas que sentem, decidem e agem no mundo físico, onde o problema difícil nunca foi a inteligência, mas o próprio mundo.
AI-resistant 65 🌬️Projeta, constrói e melhora sistemas eólicos, solares, de armazenamento e de rede que transformam recursos renováveis em eletricidade confiável.
AI-resistant 72Escreve, testa e mantém o código que comanda a vida moderna – e é uma das primeiras profissões a observar a IA automatizar seu próprio trabalho diário.
AI-resistant 35 🤖Projeta e testa os algoritmos por trás da inteligência das máquinas, em um campo que agora corre para automatizar uma parcela crescente de seu próprio processo de pesquisa.
AI-resistant 50 🛰️Projeta, analisa e certifica as aeronaves, foguetes e espaçonaves que saem do solo, trabalhando com margens de segurança que não deixam margem para suposições.
AI-resistant 74 🌉A profissão que transforma rios, rochas e gravidade em pontes, estradas e água limpa – o comércio silencioso e pesado da civilização desde Imhotep.
AI-resistant 72 🦾Projeta as máquinas que sentem, decidem e agem no mundo físico, onde o problema difícil nunca foi a inteligência, mas o próprio mundo.
AI-resistant 65 🔐Protege sistemas, dados e pessoas, encontrando, prevenindo e respondendo a ataques digitais.
AI-resistant 63 📦Constrói os sistemas que treinam, implantam, monitoram e controlam modelos de aprendizado de máquina em produção.
AI-resistant 54 🌬️Projeta, constrói e melhora sistemas eólicos, solares, de armazenamento e de rede que transformam recursos renováveis em eletricidade confiável.
AI-resistant 72