Descrição da vaga
Responsabilidades e atribuições
Projetar, desenvolver e colocar em produção soluções baseadas em LLMs (Claude, Gemini, GPT, modelos open-source), desde a prova de conceito até a operação em escala. Implementar pipelines de RAG (Retrieval-Augmented Generation) para indexação e recuperação semântica de documentos, incluindo chunking, embeddings e re-ranking.
Aplicar guardrails, content filtering e técnicas de alinhamento para garantir respostas seguras, precisas e dentro das políticas da empresa. Integrar APIs de IA (OpenAI, Anthropic, Google Gemini) e frameworks de orquestração como LangChain, LlamaIndex ou CrewAI. Construir e manter bases de conhecimento vetoriais (Pinecone, Weaviate, pgvector ou Qdrant).
Monitorar e avaliar a qualidade das respostas dos modelos usando métricas de desempenho, latência e custo, propondo melhorias contínuas.
Colaborar com times de Produto, Dados e Engenharia para identificar oportunidades de aplicação de IA generativa em novos fluxos.
Documentar arquiteturas, decisões técnicas e boas práticas para o time de engenharia.
Requisitos e qualificações
Sólida experiência com Python
Conhecimento prático de LLMs: prompt engineering, avaliação de modelos e integração via API;
Experiência com pipelines de RAG: chunking de documentos, geração de embeddings, busca semântica e re-ranking;
Familiaridade com guardrails, content filtering e técnicas de alinhamento de modelos de linguagem;
Uso de frameworks de orquestração: LangChain, LlamaIndex, CrewAI ou similares;
Experiência com vector databases: Pinecone, Qdrant, Weaviate, pgvector ou similares;
Versionamento de código com Git e boas práticas de engenharia de software (testes, code review, CI/CD);
Capacidade de comunicar conceitos técnicos de forma clara para áreas de negócio e stakeholders não-técnicos.
Graduação em Ciência da Computação, Engenharia de Software, Matemática ou áreas afins;
DIFERENCIAIS:
Experiência com outros stacks de backend: TypeScript / Node.js, Go ou Rust;
Conhecimento de agentes autônomos e arquiteturas multi-agent systems;
Prática com fine-tuning de modelos: LoRA, QLoRA, PEFT ou full fine-tuning;
Experiência em plataformas cloud com foco em IA: AWS Bedrock, GCP Vertex AI ou Azure OpenAI Service;
Familiaridade com práticas de MLOps: MLflow, DVC, Weights & Biases ou similares;
Certificações em IA/ML: AWS Machine Learning Specialty, Google Professional ML Engineer ou equivalentes.
Informações adicionais
Regime Híbrido de trabalho (2 dias na semana presenciais e o restante remoto);
Vale refeição em cartão flexível R$40 (sem desconto de 6%);
Vale transporte em cartão flexível (sem desconto de 6%);
Plano de Saúde Unimed, sem coparticipação e sem mensalidade para o Onflyer (por nossa conta :D);
Plano Odontológico (desconto na mensalidade)
Desconto Farmácia;
Benefício de Psicoterapia on-line (Vittude);
Benefícios de academia! (Gympass);
Bolsa de 90% para estudos de idiomas;
E outros