Na 10x Science, o primeiro engenheiro contratado foi para achar o produto, não para escalar código

A Y Combinator publicou nesta sexta-feira (30/10/2026) o relato de Andrew HunzekerHesed, ex-Principal Engineer no Grindr, sobre como se tornou o Employee #1 da 10x Science, startup da turma W26 do acelerador. O texto é, confessadamente, uma peça de recrutamento. Mas interessa a quem decide contratação em estágio inicial justamente pelo que revela sobre a aposta por trás da vaga: dar a um único engenheiro mandato para definir o produto, não só para executá-lo.

Antes de Grindr, Andrew construiu software visto por milhões de pessoas: logística de entrega de comida, reposição de CPG na Walmart, streaming de vídeo na Major League Baseball. Segundo ele, o ciclo de desenvolvimento ficou parecido em todo lugar grande, mesmo com IA↳Inteligência artificial440 conteúdosUX e IA: Transformando Experiências Digitais com Inteligência ArtificialProduto & UX · jan 2025MCP: O que é e por que você vai ouvir falar disso em breve?AI · jul 2025IA generativa e a urgência de reconstruir nossa relação com a verdadeAI · jun 2025Ver tudo em AI → acelerando a esteira. Foi esse tédio, e uma conversa com os fundadores da 10x Science num talent summit, que o levou à startup.

Quem é a 10x Science

A 10x Science passou pela turma W26 da Y Combinator, segundo a própria categorização do post no blog da aceleradora. O produto é software nativo de IA para análise de dados↳Engenharia de dados43 conteúdosResolvendo desafios de Big Data com Ciência de Dados na UberData · abr 2019Análise de dados com Python e tabelas dinâmicas com PandasData · mai 2019Ferramentas para análise de dados são cada vez mais fundamentais para auxiliar pessoas desenvolvedorasData · jun 2024Ver tudo em Data → científicos, hoje concentrado em proteômica e descoberta de fármacos, com plano declarado de expandir para outras áreas das ciências da vida.

A fonte não traz valuation, captação ou receita — nem no texto, nem nos metadados do post. O único dado de estágio é qualitativo: a empresa está, nas palavras do texto, fazendo a transição da pesquisa exploratória para travar funcionalidades para clientes pagantes. Isso sugere que, até a publicação, a 10x Science não operava com receita recorrente consolidada.

Sobre tamanho de time, só dá para afirmar com segurança o que o próprio título do cargo já entrega: antes de Andrew, a operação era os dois fundadores, David e Vishnu (sobrenomes não divulgados na fonte). Não há contagem pública de clientes, nem nome do laboratório farmacêutico citado no relato — só a descrição de que é uma companhia farmacêutica entre as dez maiores do setor.

Como a engenharia opera no dia a dia

O processo seletivo não foi uma bateria de perguntas de algoritmo. Foi um work trial de vários dias com acesso mútuo total: Andrew tinha acesso aos fundadores, e os fundadores tinham acesso a ele, trabalhando junto num problema real antes de qualquer oferta.

Na primeira semana já veio o teste de verdade. Surgiu a chance de apresentar, para uma farmacêutica entre as dez maiores do mundo, uma solução para um problema que o próprio time da 10x Science ainda não sabia que existia. Tinham três dias para situar Andrew no domínio, desenhar a solução, construí-la e empacotá-la para uma demo na sexta-feira. Segundo o relato, essa ferramenta virou peça central do produto e já teve aplicações fora da apresentação original.

O ferramental declarado é deliberadamente simples: linha de comando, VS Code e o modelo de IA que estiver "menos terrível" naquela semana. Andrew alterna entre provedores de propósito, evitando se prender a um workflow imposto por um fornecedor único.

Eu não quero ser sugado para dentro da forma como alguém na OpenAI ou na Anthropic acha que eu deveria trabalhar.

Andrew HunzekerHesed, Employee #1 na 10x ScienceI don't want to get sucked into how some person at OpenAI or Anthropic thinks I should be working.

Há também uma camada pouco comum em engenharia de software: o trabalho de Andrew já apareceu em pôsteres apresentados em simpósios científicos, e ele submeteu trabalho à American Chemical Society. Nesta empresa, código vira também produção científica com nome assinado, não só commit em repositório.

O que diferencia de uma empresa científica convencional

O contraste que Andrew mesmo traça, sobre sua experiência anterior em empresas grandes, resume o ponto:

Do executivo para o design, do design para o PM, do PM para o engenheiro, com velocidade cada vez maior por causa da IA.

Andrew HunzekerHesed, Employee #1 na 10x ScienceExec to Design to PM to Engineer, with ever-increasing velocity due to AI.

Numa empresa de software científico convencional, ou numa big tech com processo maduro, esse funil existe para reduzir risco: a ideia passa por validação de produto antes de virar código, e o engenheiro raramente decide o que construir. Na 10x Science, o problema do cliente chegou direto na mesa de um engenheiro contratado havia três dias, sem camada de PM entre o pitch e a entrega.

O segundo contraste é sobre o que conta como output. Numa vendor tradicional de bioinformática ou de software para ciências da vida, o engenheiro entrega feature; quem assina papel e pôster é o time científico. Na 10x Science, as duas coisas se misturam: o mesmo profissional que escreve código aparece como coautor de produção científica submetida a entidades como a American Chemical Society. Isso só funciona porque a empresa trata o engenheiro como parte do time de descoberta, não como prestador de serviço técnico para cientistas.

O que copiar para quem constrói no Brasil

Trial de trabalho multi-dia com acesso mútuo substitui a entrevista de algoritmo quando a vaga exige julgamento de domínio, não só capacidade de codar. O trial testa se a pessoa aguenta ambiguidade real, o que nenhuma pergunta de CLRS mede.

Jogar o novato num problema de cliente de verdade na primeira semana funciona como filtro e como onboarding ao mesmo tempo. Empresas brasileiras early-stage costumam proteger o novo contratado nas primeiras semanas; o caso da 10x Science sugere que isso atrasa o sinal mais importante, que é ver a pessoa produzir sob pressão com contexto incompleto.

Contratar por curiosidade de domínio em vez de hype de IA é o critério que Andrew diz ter sentido na conversa com os fundadores: gente falando de princípios matemáticos e de física do som, não de wrapper de modelo comercial. Para fundadores técnicos brasileiros competindo por talento com startups que só sabem vender "IA", esse é um diferencial de recrutamento barato de replicar.

Tratar o modelo de IA como peça substituível, não como stack fixa evita que a engenharia da empresa fique refém de um roadmap de produto da OpenAI ou da Anthropic. Isso importa mais ainda para quem constrói no Brasil, onde custo e disponibilidade de API mudam com câmbio e política comercial de cada fornecedor.

Dar ao primeiro engenheiro mandato para "achar a coisa", na formulação do próprio Andrew, é apostar que early-stage não é sobre escalar tecnicamente, e sim sobre descobrir o que vale a pena escalar. Fundadores que contratam o primeiro engenheiro técnico só para "tirar trabalho da minha mesa" estão comprando a pessoa errada para essa fase.

Riscos e o que a 10x Science não conta

O relato tem um risco de concentração evidente: uma ferramenta construída em três dias por uma única pessoa recém-chegada virou, segundo o texto, peça central do produto. Não há menção a documentação, par de revisão ou redundância de conhecimento — o que é normal em empresa de três ou quatro pessoas, mas vira passivo técnico se a 10x Science crescer sem corrigir isso.

Trocar de modelo de IA toda semana, pela conveniência de usar "o menos terrível", é uma prática pragmática num estágio exploratório. Mas proteômica e descoberta de fármacos costumam exigir reprodutibilidade e trilha de auditoria quando o produto vira ferramenta para decisão regulatória ou farmacêutica. A fonte não diz como a empresa pretende conciliar essa flexibilidade de modelo com o rigor que clientes pagantes do setor de ciências da vida normalmente exigem.

A ausência total de números financeiros é o maior buraco do relato. Sem captação, receita ou contagem de clientes divulgada, é impossível avaliar se o ritmo de contratação e a disposição de apostar tudo num único engenheiro são sustentados por caixa real ou por otimismo de fundador em turma recente da Y Combinator.

Vale notar que o próprio Andrew é o ponto mais honesto do texto quanto a expectativa de retorno:

Você vai ficar rico? Provavelmente não. Você vai ganhar mais experiência em seis meses do que ganharia em anos numa empresa grande? Sim.

Andrew HunzekerHesed, Employee #1 na 10x ScienceWill you get rich? Probably not. Will you gain more experience in six months than you can in years at a big company? Yes.

Isso é um contraponto necessário à romantização do "founding engineer": a narrativa de agência e descoberta científica é real no relato, mas o próprio protagonista descarta a ideia de retorno financeiro como motivo para entrar. Quem lê este caso como modelo de contratação precisa separar as duas coisas: a tese de produto (dar mandato de descoberta a quem chega cedo) pode ser copiada; a expectativa de que isso se traduz em equity valioso não tem nenhum dado, nesta fonte, que a sustente.

Fonte: Y Combinator Blog