Sarang Gupta, engenheiro da OpenAI, ajuda empresas a encontrar clientes e impulsionar vendas

A carreira de Sarang Gupta mostra como está mudando o papel do engenheiro na era da IA generativa. Hoje, um bom especialista técnico é necessário não só em um time de pesquisa, mas também onde a empresa explica o valor do produto ao mercado, mede a eficácia dos canais e ajuda os clientes a obter resultados mais rápido. Na OpenAI, Gupta atua na interseção entre dados, marketing e vendas, criando modelos que ajudam as empresas a atrair compradores e a entender melhor o que realmente impulsiona o crescimento.

O interesse por esse tipo de problema surgiu bem antes da OpenAI. Na infância, na Índia, ele gostava de desmontar e consertar objetos domésticos e, aos 11 anos, já tinha passado para o software. Estudou Basic e Logo, escreveu programas simples e chegou a criar uma solução para um restaurante local, que automatizava pedidos online e emissão de contas.

Esse olhar prático só se fortaleceu: na escola, escolheu física, química e matemática, mas sempre enxergou a engenharia não como uma ciência abstrata, e sim como uma ferramenta que precisa funcionar na vida real. Por isso, depois de se formar, em 2012, entrou na Hong Kong University of Science and Technology, em um programa duplo que combinava engenharia industrial e administração de empresas.

Essa união de técnica e comércio aparece nos primeiros projetos dele. Durante a faculdade, Gupta criou um aplicativo móvel que ajudava estudantes a carregar o horário das aulas e a encontrar colegas para almoçar. O projeto não decolou, mas deu a ele experiência em desenvolvimento de produto. Em paralelo, abriu um pequeno negócio, a Pulp Ads: imprimia anúncios de organizações estudantis em guardanapos e outros suportes de papel para as cafeterias do campus.

Depois da universidade, em 2016, foi para o Goldman Sachs, onde cuidava de processos operacionais de transações com valores mobiliários. Sua tarefa era encontrar gargalos nos fluxos de trabalho e eliminá-los. Um caso de destaque foi a automação da conciliação de operações de negociação: em vez de conferir manualmente planilhas e diversos sistemas, ele criou ferramentas internas que buscavam os dados sozinhas, faziam a validação e destacavam apenas os casos problemáticos. Foi um exemplo precoce de como trabalhar bem com dados livra as pessoas da rotina e permite que se concentrem em decisões complexas.

Essa experiência o levou a se aprofundar em data science e IA. Em 2019, Gupta começou um mestrado em data science na Columbia University, onde apostou em aprendizado de máquina aplicado, deep learning e redes neurais. Entre os projetos mais importantes, ele destaca o trabalho com o Brown Institute e a redação do The Philadelphia Inquirer.

A equipe criou ferramentas que extraíam de textos jornalísticos menções geográficas (ruas, bairros, condados) e visualizavam em um mapa a cobertura do veículo. Isso ajudou a identificar os chamados news deserts, ou seja, comunidades às quais a redação dava pouca atenção. Para o setor jornalístico, não foi apenas um experimento analítico, mas uma forma de redistribuir os recursos de reportagem com mais critério.

O caso explica bem o estilo de Gupta: o que o atrai não são os modelos em si, mas as situações em que eles mudam processos e geram um efeito mensurável.

Depois do mestrado, em 2020, mudou-se para San Francisco e entrou na Asana como product data scientist. De início, cuidava dos testes A/B de novos recursos e depois liderou o lançamento da Asana Intelligence, uma iniciativa interna que deveria incorporar recursos de IA ao produto em seis meses. A equipe conseguiu lançar vários recursos, entre eles resumos automáticos de projetos, alertas sobre riscos e atrasos, recomendações de próximos passos e o Smart Status, ferramenta que preparava sozinha atualizações de status a partir de tarefas, prazos e atividade do projeto.

O importante não é só o lançamento, mas também o fato de a equipe ter transformado depois o trabalho em frameworks reutilizáveis e documentação, para que os recursos de IA pudessem ser lançados mais rápido dentro da empresa.

Quando o ChatGPT chegou ao mercado, o foco do trabalho dele passou do desenvolvimento de modelos próprios para a avaliação e a implantação de grandes modelos de linguagem. Em setembro de 2025, ele foi para a OpenAI.

Na OpenAI, Gupta trabalha no time de data science junto com a área de go-to-market. Ele cuida de modelos que ajudam a entender a eficácia dos canais de marketing, a determinar o que mais contribui para o resultado e como as empresas podem comunicar melhor o valor do ChatGPT e de outros produtos aos clientes. Não é a parte mais visível da indústria de IA, mas é uma das mais práticas: sem esse tipo de análise, até um produto forte é mais difícil de escalar.

A história de Gupta importa porque reflete uma mudança dentro da própria indústria de IA. Muito valor é criado não só onde se treinam novos modelos, mas também onde eles viram uma ferramenta de negócio compreensível, têm o retorno medido e chegam ao uso em massa. Para a OpenAI, esses profissionais viram uma ponte entre tecnologia e mercado; para as demais empresas, são um lembrete de que a adoção de IA não começa com uma interface da moda, mas com uma tarefa clara, bons dados e disciplina nos processos.