AI Engineer

Seu desafio será imergir em um ambiente dinâmico, onde novas demandas surgem diariamente. Você irá construir e validar Provas de Conceito (POCs) e MVPs (Produtos Mínimos Viáveis) em alta velocidade, sabendo que a experimentação é a chave para a inovação.  Você terá autonomia para influenciar a arquitetura, os processos e a cultura de uma equipe que está na vanguarda da tecnologia.

🎯#Desafios que você vai encontrar:

• Arquitetar, desenvolver e implantar aplicações de IA de ponta a ponta, desde a concepção até a produção;
• Construir e otimizar pipelines de dados, incluindo a coleta e o processamento via web scraping para alimentar nossos sistemas de IA; 
• Projetar e implementar sistemas de Geração Aumentada por Recuperação (RAG), conectando nossos dados proprietários a LLMs para gerar insights precisos;
• Desenvolver e orquestrar agentes de IA autônomos e colaborativos para automatizar processos complexos e resolver problemas de negócio;
• Participar ativamente do ciclo de vida de desenvolvimento de POCs e MVPs, com foco na validação rápida de hipóteses e na entrega de valor;
• Garantir a qualidade e a robustez das soluções, incluindo a avaliação de respostas de LLMs, a segurança dos agentes e a implementação de testes;
• Colaborar com o time de inovação no design das soluções e apoiar no desenvolvimento técnico dos demais membros da equipe.

✔️ #Conhecimentos importantes para a posição:

• Fundamentos de Engenharia:
• Domínio de Python e seu ecossistema para desenvolvimento de software robusto e escalável;
• Experiência com arquitetura de software, CI/CD, containers e controle de versão (Git);
• Capacidade de traduzir requisitos de negócio em soluções técnicas viáveis e de tomar decisões baseadas em dados.
• Desenvolvimento Aumentado por IA:
• Proficiência em ambientes de desenvolvimento assistidos por IA. Experiência com Cursor ou GitHub Copilot é essencial;
• Familiaridade com o uso de LLMs para geração e refatoração de código, como os modelos Claude ou GPT.
• Coleta e Preparação de Dados (RAG):
• Experiência prática com web scraping e pipelines de ingestão de dados para LLMs;
• Conhecimento em frameworks de busca neural e RAG como Jina AI, LlamaIndex ou Haystack;
• Experiência essencial com Bancos de Dados Vetoriais para armazenamento e busca de embeddings (ex: Supabase).
• Orquestração de Aplicações e Agentes de IA:
• Profundo conhecimento em frameworks de orquestração como LangChain e LangGraph para construir fluxos de trabalho complexos;
• Experiência com frameworks para agentes colaborativos como CrewAI ou AutoGen;
• Familiaridade com ferramentas visuais de prototipagem como Langflow ou FlowiseAI.
• Integração e Protocolos Modernos:
• Compreensão e experiência com o Model Context Protocol (MCP) para conectar agentes a ferramentas e fontes de dados externas.