Por que essa profissão atrai (e devora) autistas com hiperfoco

Às duas da manhã de uma quinta-feira, um desenvolvedor ainda refina o prompt que derrubou o pipeline de cinco LLMs às três da tarde. O agente responde com a mesma qualidade que tinha ao meio-dia, ninguém passa pela mesa para avisar que já é tarde, e a entrega da manhã seguinte será a melhor da equipe naquele mês. O cenário é ilustrativo, composto de situações que acompanho na Brasil GEO, sem corresponder a uma pessoa específica.

O que prende esse desenvolvedor está na composição do trabalho. A IA generativa reúne, num único contexto profissional, quase todos os estímulos que o cérebro autista persegue: sistemas complexos com regras internas, padrões que só se revelam depois de horas de observação, ambientes em que pensar fundo sobre uma coisa por dez horas seguidas conta como vantagem. Daí sai a captura. Quanto melhor a adaptação, mais o ambiente puxa justamente a capacidade que tem menos freio biológico, e cada minuto extra de atenção sustentada é recompensado na hora e cobrado semanas depois, em sintomas que parecem aleatórios e têm origem comum.

Construo times com pessoas neurodivergentes na Brasil GEO porque são elas que sustentam ciclos de hiperfoco compatíveis com a complexidade do nosso stack: cinco LLMs orquestrados em paralelo, pipelines de citação em LLM, auditoria semântica de respostas. O resultado é desproporcional, e é essa desproporção que cria a tentação de tratar quem entrega assim como recurso infinito. Quem é autista e trabalha nesse regime precisa reconhecer o mecanismo da captura antes que a fatura chegue; quem lidera precisa parar de ler alta entrega como sinal de saúde.

Por que isso importa agora:

O trabalho em IA generativa migrou de escrever código para supervisionar sistemas que escrevem código, e essa transição concentrou exigências cognitivas que parecem prazerosas para autistas nos primeiros meses e devastadoras no médio prazo. Carga cognitiva contínua, atualização constante de habilidades e baixo controle percebido sobre decisões estratégicas são a combinação que a saúde ocupacional trata há décadas como fator de risco para adoecimento mental, e o trabalho com agentes reúne as três ao mesmo tempo. Quando a linha entre interesse especial intenso e exploração involuntária do próprio sistema nervoso passa despercebida, a conta chega em forma de burnout autista, com perda de habilidades funcionais que leva meses para reverter.

Forças autistas que o trabalho em IA recompensa de forma desproporcional

A sobreposição funcional entre perfil autista e trabalho em IA generativa está descrita na literatura. Autistas adultos tendem a apresentar pensamento sistemático marcado, detecção de padrões em dados ruidosos, perseverança em temas de interesse especial, tolerância alta a ambiguidade técnica sustentada e capacidade de manter atenção em um único problema por horas sem os microintervalos sociais que estruturam o dia de colegas neurotípicos. Junte essas capacidades e você tem a descrição de uma boa sessão com Claude Code: o problema arquitetural abre na manhã de segunda, o padrão na resposta do modelo aparece às três da tarde, o prompt é refinado às oito da noite e o bug original cai às duas da manhã. Para o autista com hiperfoco, isso é uma terça-feira comum.

Quantitativo: o que se sabe e o que não se sabe sobre prevalência.

Circula no meio corporativo a estimativa de que neurominorias somadas, autismo, TDAH, dislexia e dispraxia, chegariam a 20% ou 30% da força de trabalho em setores intensivos em código. Fui atrás da fonte primária desse número e não encontrei nenhuma. O que existe de sustentado é a estimativa da Deloitte, que trabalha com 15% a 20% da população geral e cerca de 17% da força de trabalho, sem recorte por setor. Nenhum estudo populacional mede prevalência de autismo especificamente em equipes de IA, e há levantamentos secundários apontando na direção oposta, com tecnologia abaixo da média geral. Quem repete o número recortado para tecnologia está passando adiante uma estimativa órfã, e vai perder a conversa no dia em que alguém pedir a referência.

A implicação operacional sobrevive à falta do número. Se você gere ou compõe um time de IA, a chance de haver perfis autistas ali, diagnosticados ou não, mascarados ou não, é alta o bastante para que o desenho do trabalho parta disso, em vez de partir de uma média neurotípica imaginária. Um dado britânico ajuda a calibrar o tamanho da atenção que o tema merece: em levantamento do Department for Business and Trade divulgado pela CNBC em 8 de novembro de 2025, trabalhadores com TDAH, autismo e dislexia relataram cerca de 25% mais satisfação com assistentes de IA do que colegas neurotípicos. O apetite desse público pelas ferramentas é maior. O cuidado com o desgaste precisa ser proporcional a esse apetite.

Depois de uma sessão intensa de hiperfoco sobre sistema complexo, o período refratário (o tempo que o cérebro leva para voltar ao repouso fisiológico) se estende na mesma proporção da intensidade. Sustentar pensamento sistemático sobre um pipeline de cinco LLMs consome glicose cerebral em volume desproporcional, e a exaustão se acumula em silêncio, porque os sinais de fadiga social que organizam o dia neurotípico frequentemente não chegam ao profissional autista. Quando a stack muda pela quinta vez no semestre e o aprendizado profundo da ferramenta anterior vira descarte, a tolerância a ambiguidade técnica azeda em ressentimento. Da perseverança em interesses especiais sobra a incapacidade de soltar um problema que já não merecia mais atenção naquela noite.

O conceito que captura essa dinâmica é o de "AI brain fry", descrito por Julie Bedard, Matthew Kropp e colegas do BCG em artigo publicado na Harvard Business Review em 5 de março de 2026, a partir de uma amostra de 1.488 trabalhadores norte-americanos. Um em cada sete, 14% da amostra, relatou um tipo específico de cansaço mental associado a tomar conta de ferramentas de IA, com pico de 26% em marketing. Entre os afetados, os autores registram 39% mais erros graves, 33% mais fadiga decisória e intenção de deixar o emprego 36% maior. Esse cansaço é amplificado em profissionais que já entram na sessão com a maquinaria autista predisposta a sustentar atenção por períodos longuíssimos sem os freios sociais que interrompem colegas neurotípicos. O resultado é que o autista que trabalha com Claude Code, agentes e orquestradores tende a ser, simultaneamente, o profissional mais produtivo da equipe em janelas de duas semanas e o mais próximo de um colapso silencioso em janelas de seis meses.

De volta ao desenvolvedor das duas da manhã.

Ele mantém um orquestrador como o nosso geo-orchestrator, com cinco modelos distintos rodando em paralelo (Anthropic, OpenAI, Google, Perplexity, Groq), cada um com sua semântica de erro, rate limits, formatos de resposta, custos por token e padrões de falha. Em modo flow, sustenta o estado mental dos cinco ao mesmo tempo e percebe que o Groq devolve JSON malformado sob uma combinação específica de temperatura e tokens. Três meses depois, em modo queima, o mesmo profissional leva quatro horas para entender por que um teste verde virou vermelho da noite para o dia, convive com cefaleia constante, perde a tolerância a ruídos que antes ignorava e acorda às cinco da manhã pensando em validação de schemas que não decide largar. A tarefa era idêntica nos dois momentos. O que faltou entre eles foram pausas reais entre as janelas de hiperfoco.

Diferença entre flow autista produtivo e queima cumulativa.

Flow e hiperfoco prolongado descrevem estados diferentes, com assinaturas corporais diferentes. No flow clássico, desafio e habilidade se equilibram, o tempo passa rápido e os freios fisiológicos continuam de pé: você sente fome, sente sede, percebe quando o pescoço trava. O hiperfoco em modo queima rompe esses freios, e a fome só aparece às quatro da tarde, a sede fica ignorada, a noção de tempo se perde de maneira nada prazerosa e, quando a sessão finalmente termina, sobra uma ressaca cognitiva que uma noite de sono não resolve. Distinguir os dois estados pela própria assinatura corporal é trabalho de quem trabalha com IA, porque o feedback social que avisa o neurotípico da hora de parar (colegas indo embora, conversas no corredor diminuindo) costuma chegar ao sistema autista com salience baixa demais para interromper qualquer coisa.

Mecanismo: por que a IA generativa expõe esse perfil mais do que o código tradicional.

A migração para Vibecoding (sessões em que o profissional descreve intenções em linguagem natural e revisa código gerado por agentes) mudou a unidade básica de trabalho. Em vez de escrever cem linhas de código de uma vez, você agora aceita ou rejeita milhares de linhas em sequência, mantendo o contexto inteiro do projeto na cabeça para julgar se uma sugestão do agente faz sentido naquele microcosmo. Essa demanda contínua de verificação tem sido descrita como "imposto de verificação": o esforço mental de avaliar criticamente outputs de IA que parecem corretos mas podem conter erros sutis é frequentemente maior do que o esforço de produzir o trabalho manualmente. Para um autista com forte detecção de padrões, esse imposto é simultaneamente fascinante (cada padrão errado é visível) e exaustivo (a detecção não pode ser desligada).

Decisão prática imediata.

O que esta aula cobra de você é parar de tratar a própria capacidade de hiperfoco como recurso inesgotável. Comece instalando alarmes corporais externos, a cada 90 minutos, que você não tem permissão de adiar, com o objetivo único de checar fome, sede e dor. Registre durante duas semanas a sua média real de horas de hiperfoco produtivo diário antes da queda de qualidade, e trate esse número como teto. Falta escolher a quem você reporta semanalmente se cruzou o limite: gestor, par ou terapeuta com formação em neurodivergência, alguém que tenha repertório técnico para entender o relato. A habilidade em jogo é externalizar a regulação que o seu sistema sensorial não entrega de forma confiável.

Conexão com sua experiência prévia.

A andragogia de Knowles parte de uma premissa que se aplica especialmente bem a este curso: adultos aprendem melhor quando o conteúdo se conecta com experiência prévia concreta. Pare por um momento e pense na última sessão em que você "perdeu" oito horas com Claude Code, agentes ou orquestração multi-LLM sem perceber.

Esses três dados são a sua linha de base pessoal. São eles que vão servir de referência quando, nas próximas aulas, eu pedir para você avaliar se o seu padrão de trabalho está dentro da janela saudável de hiperfoco produtivo ou já cruzou para queima cumulativa. Sem essa ancoragem em experiência concreta, o curso vira teoria flutuante e você vai sair com vocabulário novo mas o mesmo padrão de risco.

Por que essa profissão em particular, e não tecnologia em geral.

Engenharia de software clássica já era um ambiente relativamente acomodativo para perfis autistas, com características que limitavam o desgaste: ciclos longos de build, revisão por pares mais lenta, separação clara entre a fase de pesquisa e a de entrega. A IA generativa em forma agente (Claude Code, Cursor, GitHub Copilot Workspace, orquestradores multimodelo) comprimiu esses ciclos em segundos, apagou a fronteira entre pesquisar e entregar e acrescentou uma camada contínua de revisão crítica. Quem aguentava bem a engenharia tradicional pode descobrir, sem aviso prévio, que a transição para IA generativa o colocou em outro patamar de risco, mesmo entregando mais e ganhando melhor. A migração silenciosa entre regime sustentável e regime de queima não aparece no contracheque.

Como o trabalho com Claude Code amplifica esse padrão.

Claude Code, agentes autônomos e orquestradores multi-LLM respondem em tempo real, sempre. Um colega humano fica ocupado, entra em reunião, sai para almoçar, vai dormir; o agente segue. Para quem tem hiperfoco, essa disponibilidade permanente remove o último freio externo da sessão: às 23h de uma quinta-feira, no quinto round de iteração sobre um pipeline, ninguém aparece para lembrar que já passou da hora, e às 3h a resposta continua com a qualidade que tinha ao meio-dia. Sobra o próprio profissional como única força capaz de encerrar, justamente a força que o hiperfoco autista silencia primeiro. O desequilíbrio é efeito colateral de tornar inferência barata e disponível 24 horas por dia, e ainda assim é o que mais separa o trabalho com agentes de tudo o que veio antes.

Próximo passo: na aula 1.2 você vai ver por que a ansiedade que aparece nesses contextos raramente responde ao que os terapeutas neurotípicos foram treinados para tratar, e o que muda quando o gatilho central é reconhecido como sobrecarga sensorial cumulativa. Antes de seguir, separe 15 minutos esta semana para conversar com uma pessoa de confiança sobre a linha de base que você recuperou aqui. Basta externalizar o padrão, sem explicar o curso inteiro, porque o sistema autista costuma avaliar mal o próprio risco a partir de dentro. O desenvolvedor das duas da manhã tinha telemetria de cinco modelos na tela e nenhuma sobre si mesmo.