A inteligência artificial (IA) agora faz parte das operações diárias de todos os tipos de empresas, não apenas de laboratórios de pesquisa. Segundo U.S. Census Bureau , dados coletados até maio de 2026, 39,7% das empresas do setor de informação e 33,9% das áreas de finanças e seguros declararam usar IA.  

Cientistas de dados e engenheiros de machine learning (ML) são as pessoas por trás desse trabalho, e muitos deles se formaram ou iniciaram suas carreiras fora dos Estados Unidos. Se você é um deles e quer trabalhar ou viver nos EUA, mais de um caminho de imigração pode se aplicar, dependendo das suas credenciais, da sua situação de empregador e dos seus planos de longo prazo. 

Qual caminho se encaixa no seu perfil tem menos a ver com o cargo e mais com o tipo de histórico que você consegue documentar. Um pesquisador acadêmico, um engenheiro da indústria, um líder técnico sênior e um fundador podem todos atuar em ciência de dados, mas cada um geralmente apresenta evidências muito diferentes, e essa diferença é o que aponta para categorias de imigração distintas. Este artigo percorre quatro perfis comuns de carreira, os caminhos de imigração para os quais eles apontam, o que cada caminho avalia e o que vimos em nossas próprias aprovações recentes em ciência de dados. 

Como Sua Carreira Molda Suas Opções 

O cargo não determina a categoria de imigração. O melhor ponto de partida é o seu histórico: o que você faz, como outras pessoas reconhecem ou dependem desse trabalho, quão bem você consegue documentá-lo e o que planeja fazer nos Estados Unidos. A mesma conquista pode ter peso diferente dependendo do padrão pelo qual é avaliada. 

Cientista de Dados ou Engenheiro de ML da Indústria 

O trabalho na indústria é avaliado principalmente pelo que foi construído e pelo que aconteceu quando outras pessoas usaram esse trabalho, então a documentação mais forte tende a ser a prova objetiva desse impacto, e não uma lista de publicações. Quando o trabalho que você planeja continuar nos EUA tem efeitos além de um único empregador, vale a pena considerar o EB-2 National Interest Waiver (NIW). Quando o seu histórico também demonstra um alto nível de reconhecimento ou realização, o O-1A ou o EB-1A podem se encaixar. Se seus planos nos EUA giram em torno de um emprego específico em uma empresa específica, uma rota com patrocínio do empregador, como o H-1B, pode ser mais natural. 

O histórico geralmente depende de algumas perguntas: Você consegue documentar adoção, implantação, resultados mensuráveis, patentes ou responsabilidade técnica? O trabalho afeta apenas uma função interna do empregador ou há evidências de relevância mais ampla para a indústria, pesquisa, mercado ou setor público? E fontes independentes, e não apenas o seu próprio relato, documentam essa significância? 

Pesquisador Acadêmico em ML 

Pesquisadores geralmente documentam suas carreiras por meio de publicações e da forma como o campo responde a elas. Esse tipo de histórico se alinha naturalmente aos padrões de habilidade extraordinária por trás do O-1A e do EB-1A, uma vez que atinja o nível de reconhecimento exigido por essas categorias. Um pesquisador também pode buscar o EB-2 NIW, no qual o foco passa do reconhecimento passado para a importância prospectiva do trabalho planejado nos Estados Unidos. 

O que mais importa é o que o histórico de publicações demonstra: citações, revisões por pares, atividade em conferências e colaborações mostram influência real no campo? E a pesquisa original foi usada ou reconhecida por outros fora da sua própria instituição? Essas evidências podem sustentar uma análise com base no empreendimento, uma análise de habilidade extraordinária ou ambas. 

Líder Técnico Sênior 

Principals, staff engineers, diretores e líderes técnicos podem ter poucas publicações, mas um sólido histórico de abrangência: responsabilidade por sistemas críticos, decisões que impactam infraestrutura usada em larga escala e remuneração que reflete essa senioridade. Esses fatos podem sustentar uma análise de O-1A ou EB-1A, e também podem ajudar o solicitante de EB-2 NIW a mostrar que o profissional está bem posicionado para conduzir o empreendimento proposto. Se o plano estiver ligado a um único empregador nos EUA, as categorias com patrocínio do empregador podem se encaixar. 

A questão central é se o histórico consegue documentar um papel de liderança ou crítico e explicar por que a organização ou o projeto associado a esse papel é, em si, distinto ou significativo, com apoio de contribuições originais, alta remuneração ou reconhecimento externo. Isso, por sua vez, define se o profissional está melhor posicionado para um status vinculado ao empregador, uma petição independente ou ambos. 

Profissional de Dados Empreendedor ou de Startup 

Fundadores combinam evidências técnicas e de negócios, o que é uma vantagem se o histórico mantiver as conquistas da empresa separadas das contribuições individuais do profissional. A partir daí, a análise conecta o papel técnico do fundador, sua liderança e seus resultados ao que a categoria de imigração em análise exigir. 

Duas perguntas geralmente decidem até onde esse histórico vai: Qual contribuição técnica pertence a você, e não à empresa? E a adoção do produto, clientes, patentes ou resultados de mercado podem ser documentados de forma independente, em vez de apenas afirmados? Quanto mais forte a resposta, mais o seu trabalho proposto nos EUA pode ser avaliado por seus próprios desdobramentos, e não pelo sucesso comercial de uma única empresa. 

O Que Cada Caminho Avalia 

Categorias diferentes analisam partes diferentes de um histórico, e cada uma se conecta ao trabalho em ciência de dados à sua própria maneira. Veja o que cada uma avalia e por que tende a ser relevante para esta profissão. 

EB-2 NIW: Um Green Card com Autopetição 

The EB-2 National Interest Waiver (NIW) é um green card que não exige que um empregador patrocine você. Primeiro, você se qualifica para a categoria base do EB-2 por meio de um diploma avançado ou habilidade excepcional. O waiver então remove as exigências de oferta de emprego e de certificação de trabalho via Program Electronic Review Management (PERM). Como não é necessária uma oferta de emprego, você pode fazer uma autopetição, embora um empregador também possa apresentá-la.  

O U.S. Citizenship and Immigration Services (USCIS) analisa o waiver segundo o teste de três partes do Matter of Dhanasar: se o trabalho proposto tem importância nacional, se o profissional está bem posicionado para avançá-lo e se, no conjunto, dispensar essas exigências beneficia os Estados Unidos. O USCIS decide caso a caso. Uma profissão, um benefício econômico ou uma única evidência não estabelecem elegibilidade por si só. 

Para cientistas de dados e engenheiros de ML, a relevância costuma estar na primeira parte do teste. Muitos planejam trabalhos cujo valor não se limita a um único empregador: um método, modelo ou aplicação que outros possam adotar, ou um trabalho em uma área que o governo tenha identificado como importante. As diretrizes do USCIS reconhecem a importância do avanço em ciência e tecnologia e listam determinadas áreas de inteligência artificial entre as tecnologias críticas e emergentes. Se isso ajuda uma petição específica depende de como o empreendimento proposto avança o problema ou a tecnologia identificada, e não apenas do rótulo IA. 

O Que uma Aprovação Recente de EB-2 NIW em Ciência de Dados Revela Sobre o Empreendimento Proposto 

Petições de EB-2 NIW em ciência de dados e tecnologia tendem a ser mais fortes quando conectam o trabalho do solicitante a uma necessidade específica dos EUA. O USCIS foca no que o solicitante planeja fazer, no impacto direto desse trabalho e em como ele pode afetar um campo mais amplo ou parte da economia. 

Uma de nossas aprovações recentes mostra como isso funciona na prática. Nosso cliente, um profissional de ciência da computação, propôs ajudar pequenas e médias empresas e organizações beneficentes dos EUA a aproveitar melhor a tecnologia em nuvem, a engenharia de dados e a business intelligence. Muitas dessas organizações enfrentam dificuldades com gestão segura de dados, migração para a nuvem, governança e compliance, e muitas vezes não têm as ferramentas para transformar seus dados em insights úteis. A petição mostrou como a expertise dele ajudaria a resolver esses problemas. Esse enquadramento demonstrou que seu trabalho atenderia a desafios tecnológicos comuns enfrentados por toda uma categoria de organizações nos EUA. 

É exatamente isso que o framework do EB-2 NIW exige. Um empreendimento pode ter importância nacional quando seus desdobramentos alcançam todo um campo. Os analistas também são orientados a avaliar o potencial de impacto do empreendimento específico, e não a importância da ocupação do solicitante em geral. 

Uma petição forte para cientistas de dados e engenheiros de ML deve explicar claramente: 

1. O problema nos EUA que o trabalho vai abordar 

2. O método técnico ou a aplicação que o solicitante vai usar 

3. Os desdobramentos mais amplos que o trabalho tende a gerar 

Apresentados dessa forma, a ciência de dados, o machine learning, a computação em nuvem ou a IA se tornam ferramentas para avançar um objetivo claro de interesse nacional. As evidências de apoio devem então demonstrar duas coisas: o potencial de impacto do empreendimento e a capacidade do solicitante de executá-lo. 

Veja se Você se Qualifica

Receba sua Avaliação Gratuita de Perfil para o Visto EB-2 NIW

Avaliar Meu Perfil

EB-1A: Um Green Card com Autopetição para Habilidade Extraordinária

EB-1A é um green card para indivíduos com habilidade extraordinária, demonstrada por um prêmio único de reconhecimento internacional de grande porte ou pelo atendimento de pelo menos três de dez critérios regulatórios, seguidos de uma análise final de todo o histórico. Permite autopetição, sem empregador, oferta de emprego ou certificação de trabalho. Se você está comparando essa opção com o waiver, nossa comparação EB-2 NIW vs. EB-1A detalha as diferenças. 

Para cientistas de dados e engenheiros de ML, os critérios mais frequentes são contribuições originais de grande significância, autoria de trabalhos acadêmicos, julgamento do trabalho de outros por meio de revisão por pares ou de comitês de programa, um papel de liderança ou crítico e alta remuneração.  

O Que Casos de EB-1A em Ciência de Dados Aprovados Têm em Comum 

Um histórico forte de EB-1A mostra como o trabalho técnico do solicitante gerou reconhecimento e influência no campo ao longo do tempo. Isso importa porque o USCIS analisa casos de EB-1A em duas etapas. Primeiro, verifica se as evidências cumprem os critérios regulatórios. Depois, examina o histórico para decidir se o solicitante alcançou reconhecimento nacional ou internacional sustentado e está entre a pequena porcentagem no topo do campo. 

Na prática, as melhores evidências ligam o trabalho técnico a sinais objetivos de significância. Alguns exemplos: 

• Um modelo ou algoritmo adotado por pessoas além da equipe que o criou 

• Uma arquitetura de dados implantada em escala relevante 

• Um método que outras organizações incorporaram aos seus próprios sistemas ou práticas 

• Pesquisas que moldaram trabalhos posteriores no campo 

• Inovações com resultados mensuráveis que levaram outros a reconhecer ou depender da expertise do solicitante 

Essas conquistas pesam mais quando o histórico documenta sua escala, alcance, resultados e influência, com evidências independentes. Isso vale especialmente em ciência de dados, onde o impacto costuma aparecer por meio de implantação comercial, integração a produtos, adoção pela indústria ou uso operacional, e não apenas por publicações. Publicações, julgamentos, papéis críticos, contribuições originais, alta remuneração e outras evidências devem funcionar em conjunto para demonstrar distinção e influência sustentadas no campo. 

Veja se Você se Qualifica

Receba sua Avaliação Gratuita de Perfil para o Visto EB-1A

Avaliar Meu Perfil

O-1A: Um Visto Temporário para Habilidade Extraordinária 

O O-1A é um visto temporário para indivíduos com habilidade extraordinária nas ciências, nos negócios, na educação ou no esporte. Baseia-se no mesmo tipo de evidência do EB-1A, mas é avaliado por oito critérios em vez de dez, e um empregador ou agente nos EUA precisa apresentá-lo, de modo que o indivíduo não pode fazer autopetição. Não está sujeito a um limite anual ou sorteio. 

Para cientistas de dados e engenheiros de ML, o O-1A costuma ser relevante como autorização de trabalho para alguém com um histórico reconhecido que queira evitar o teto do H-1B, ou como etapa dentro da construção de um EB-1A ou de outro green card. As evidências de apoio podem vir de conquistas acadêmicas, comerciais ou da indústria: pesquisas influentes, contribuições técnicas significativas, revisão por pares, papéis críticos em organizações respeitadas, projetos open-source reconhecidos ou patentes. Assim como no EB-1A, a elegibilidade depende de como as evidências atendem aos critérios regulatórios. 

O Que Petições O-1A Bem-Sucedidas em Ciência de Dados Mostram Sobre a Expertise de Topo no Campo 

Petições O-1A para cientistas de dados e engenheiros de machine learning podem se apoiar em uma ampla gama de conquistas, incluindo trabalhos técnicos, comerciais, acadêmicos e da indústria. O essencial é demonstrar reconhecimento sustentado no campo. Segundo os regulamentos do USCIS, o solicitante precisa demonstrar um nível de expertise que o coloque entre a pequena porcentagem no topo de seu campo.  

Para profissionais de ciência de dados, o trabalho técnico pode ser uma forte evidência dessa posição quando sua relevância é clara. Essa relevância pode vir da adoção por outros, da implantação em escala, de resultados mensuráveis, do uso pela indústria ou do reconhecimento independente. Por exemplo, um modelo, algoritmo, plataforma ou sistema de dados que tenha sido usado em grandes operações, ou do qual outros dependam, ajuda a mostrar o alcance e a importância do trabalho do solicitante. 

Outras evidências, incluindo papéis críticos, julgamentos, publicações, prêmios e alta remuneração, podem demonstrar como o campo reconhece o solicitante. Para cada conquista, o histórico deve explicar por que ela importa, qual foi a contribuição pessoal do solicitante e qual reconhecimento se seguiu. 

No fim, o USCIS pondera todas as evidências em conjunto para decidir se o solicitante tem o reconhecimento sustentado e a expertise que o O-1A exige. Essa abordagem combina bem com a ciência de dados, porque a distinção no campo muitas vezes é mais bem demonstrada pela adoção real, pela influência e pelo impacto mensurável do trabalho técnico. 

Veja se Você se Qualifica

Receba hoje sua avaliação gratuita de visto O-1.

Avaliar Meu Perfil

Categorias com Patrocínio do Empregador 

O EB-2 PERM e o Employment-Based Third Preference (EB-3) são green cards com patrocínio do empregador estruturados em torno de uma posição permanente e, na maioria dos casos, da certificação de trabalho PERM; tendem a ser relevantes quando a base mais forte de um cientista de dados é uma posição de longo prazo nos EUA, e não um empreendimento portátil. 

O visto L-1 Intracompany Transfer transfere um funcionário dentro de uma empresa multinacional qualificada e depende da relação corporativa e do emprego anterior no exterior, não do cargo. Um engenheiro de ML com conhecimento especializado dos modelos, plataformas, arquitetura ou conjuntos de dados de uma multinacional pode se encaixar na categoria L-1B, enquanto um líder de ciência de dados em transferência para um cargo gerencial ou executivo pode se encaixar no L-1A.  

Quando sua base mais forte é um emprego específico nos EUA, quem apresenta a petição é o empregador. O H-1B cobre cargos de ocupação especializada que exigem bacharelado em uma área relacionada. Posições de cientista de dados e engenheiro de ML geralmente se encaixam quando as responsabilidades e os requisitos de diploma atendem a esse padrão, embora a análise sempre dependa do cargo patrocinado. Muitos casos de H-1B estão sujeitos ao teto anual, enquanto universidades e algumas organizações de pesquisa são isentas desse teto, o que costuma ser relevante para pesquisadores acadêmicos de ML. 

Comparando as Opções 

Cada caminho tem seus próprios requisitos legais, e um profissional pode ter mais de uma opção para considerar ao mesmo tempo. 

Caminho	Status	Quem apresenta	No que o histórico se baseia
EB-2 NIW	Green card	Você pode fazer autopetição; um empregador também pode apresentar	Elegibilidade base do EB-2 somada às três partes do teste Dhanasar
EB-1A	Green card	Você pode fazer autopetição	Habilidade extraordinária, reconhecimento sustentado e análise final de todo o histórico
O-1A	Trabalho temporário	Um empregador ou agente nos EUA apresenta	Evidências de habilidade extraordinária segundo os critérios do O-1A; sem teto anual ou sorteio
H-1B	Trabalho temporário	Um empregador nos EUA apresenta	Uma posição de ocupação especializada e as qualificações do trabalhador
L-1A / L-1B	Trabalho temporário	Uma organização qualificada nos EUA apresenta	Uma relação corporativa qualificada, trabalho anterior no exterior e cargo gerencial, executivo ou de conhecimento especializado
EB-2 PERM / EB-3	Green card	Um empregador nos EUA apresenta	Uma posição permanente, qualificações do trabalhador e, na maioria dos casos, certificação de trabalho PERM

O Que Estamos Vendo em Nossos Próprios Casos de Ciência de Dados 

Em nossos casos, vimos históricos da indústria baseados em trabalho aplicado e intersetorial aprovados sob o EB-2 NIW, históricos empreendedores construídos em torno de um produto e de um negócio aprovados na mesma categoria e históricos fortemente voltados à pesquisa aprovados sob o EB-1A. O que esses casos têm em comum não é um cargo nem um diploma, mas um histórico documentado de forma específica o suficiente para o padrão pelo qual foi avaliado.  

EB-2 NIW: Cientista de Dados da Indústria Atuando Entre Setores 

A Colombo & Hurd obteve a aprovação de um EB-2 NIW para um cientista de dados com mestrado em marketing analytics e bacharelado em engenharia de computação. Seu trabalho abrangeu ciência de dados, IA e aplicações de ML em finanças, saúde e educação, e sua proposta de atuação nos EUA incluía ajudar pequenas e médias empresas a utilizarem ferramentas baseadas em dados. O USCIS aprovou a petição de EB-2 NIW. Leia o estudo de caso completo do cientista de dados no EB-2 NIW aqui.  

Por que isso é útil para você: Este é um histórico aplicado e da indústria, não acadêmico. Se o seu valor aparece em trabalhos implantados em diferentes setores, e não em uma lista de publicações, essa é a forma de um histórico que atendeu ao padrão do EB-2 NIW. 

EB-2 NIW: Profissional de Dados Construindo uma Plataforma de Negócios 

Também conseguimos a aprovação de um analista de dados com bacharelado em tecnologia da informação e mestrado em ciência de dados. Sua proposta de trabalho era centrada em uma plataforma online que combina e-commerce, marketing digital e ferramentas de análise de dados para pequenos negócios. O USCIS aprovou a petição de EB-2 NIW, e ele depois se tornou residente permanente. Leia o estudo de caso completo do analista de dados no EB-2 NIW aqui.  

Por que isso é útil para você: O histórico foi construído em torno de um produto e de um negócio, e não de um único empregador ou programa de pesquisa. Essa é uma situação comum para profissionais de dados empreendedores que avaliam o EB-2 NIW, e mostra que a categoria pode acomodá-la. 

EB-1A: Pesquisador em IA com Reconhecimento Sustentado 

Ajudamos um pesquisador mexicano em IA e ciência da computação com mais de 23 anos de experiência, Ph.D., dois mestrados, mais de 200 citações, publicações acadêmicas e atividade como avaliador. O USCIS aprovou a petição de EB-1A após a resposta a um Request for Evidence (RFE). Leia o estudo de caso completo do pesquisador em IA no EB-1A aqui.  

Por que isso é útil para você: Esse histórico se apoiou em reconhecimento sustentado, e não em um empreendimento proposto. Para um pesquisador estabelecido, mostra por que vale a pena comparar os padrões do EB-1A e do EB-2 NIW em vez de supor que um histórico técnico forte se encaixa automaticamente em um deles. 

Perguntas Frequentes 

Trabalhos em ML open-source podem sustentar uma petição de imigração? 

Sim, quando as evidências conectam o trabalho ao requisito legal específico em análise. Adoção independente, uso por outros, influência técnica ou reconhecimento podem contar, e a categoria que você está buscando é o que define como essas evidências serão avaliadas. 

Cientistas de dados precisam de publicações acadêmicas para o O-1A ou o EB-1A? 

Nenhum tipo específico de evidência é exigido. Autoria acadêmica pode ajudar, mas os regulamentos também reconhecem contribuições originais, julgamentos, papéis de liderança ou críticos, prêmios, material publicado sobre o indivíduo e alta remuneração. O histórico completo precisa atender ao padrão da categoria. 

Um cientista de dados pode fazer autopetição para residência permanente? 

Sim, por meio do EB-2 NIW ou do EB-1A, desde que os requisitos da categoria sejam atendidos. Os dois usam padrões legais distintos, então a escolha certa depende de qual se encaixa no seu histórico. 

Um cientista de dados pode buscar um green card enquanto trabalha com status H-1B? 

Sim. O H-1B permite dual intent, de forma que o trabalhador pode buscar a residência permanente mantendo o status H-1B. A petição imigratória, ainda assim, precisa atender aos requisitos da categoria de green card escolhida. 

Cientistas de dados que trocam de empregador com frequência prejudicam suas chances de green card? 

Não nas categorias de autopetição. O EB-2 NIW e o EB-1A são estruturados em torno de você e do seu trabalho, não de um empregador específico, então mudar de empresa não enfraquece a petição por si só, e nenhuma dessas categorias vincula você a um único patrocinador. Rotas com patrocínio do empregador, como H-1B, L-1 e EB-2 PERM, estão atreladas a uma posição específica, então mudanças de emprego pesam mais nesses casos e podem afetar o cronograma. Qual padrão se aplica depende da categoria e do ponto do processo em que você está. 

Trabalhos proprietários que não podem ser publicados ainda podem contar como evidência? 

Sim. Trabalhos publicados são apenas um tipo de evidência. Trabalhos confidenciais ou proprietários podem ser documentados de outras formas, como adoção ou dependência por parte de outros, resultados mensuráveis, o escopo da sua responsabilidade, patentes ou cartas de pessoas familiarizadas com o trabalho. O que importa é se o histórico demonstra a relevância do trabalho segundo o padrão aplicável, e não se ele apareceu em uma revista. O quanto cada item ajuda depende do caso individual. 

É preciso atuar em uma área de alto destaque, como IA em saúde ou segurança nacional, para ter um caso forte? 

Nenhum subcampo é obrigatório. A questão é como o seu trabalho específico se conecta a algo de importância nacional, e não se ele se encaixa em um rótulo popular. Trabalhar em uma área amplamente discutida não torna o caso automaticamente mais forte, e trabalhar fora dela não o torna automaticamente mais fraco. Essa conexão é avaliada caso a caso, com base nas evidências de cada petição. 

Próximos Passos 

Dois cientistas de dados com o mesmo cargo podem chegar ao mesmo objetivo por meio de históricos totalmente diferentes. Uma revisão útil começa pela sua formação, histórico profissional, evidências de impacto ou reconhecimento, seu trabalho proposto nos EUA, sua situação de empregador e seus planos de longo prazo, e a partir daí identifica quais categorias merecem um olhar mais atento. 

A Colombo & Hurd pode analisar o seu perfil e explicar quais caminhos se encaixam nas suas circunstâncias.