Analista de TI Sênior

Buscamos um profissional para projetar, implementar e evoluir agentes de IA em produção, incluindo arquiteturas multiagentes quando apropriado, integrando modelos, dados e ferramentas corporativas com foco em confiabilidade, custo e impacto de negócio:

Desenhar soluções agentic end-to-end, da definição do problema de negócio à arquitetura e critérios de sucesso;

Implementar agentes conversacionais com tool calling, integração via APIs e acesso a dados corporativos;

Desenvolver agente único e multiagentes, equilibrando complexidade, robustez e custo operacional;

Construir fluxos com memória, contexto e RAG quando necessário;

Trabalhar em parceria com T.I. para viabilizar execução em ambientes de nuvem e/ou data center, contribuindo com requisitos técnicos e padrões de integração;

Definir métricas e observabilidade para agentes (qualidade, latência, custo, taxa de erro e adoção);

Incorporar práticas de segurança e governança desde o design (prompt safety, controle de ferramentas, proteção de dados).

Formação em Engenharia de Computação, Ciência da Computação, Sistemas de informação e correlatos;

Experiência sênior em engenharia de software com sistemas em produção;

Python como linguagem de referência para desenvolvimento de soluções de IA;

Experiência prática com aplicações baseadas em LLMs, incluindo tool calling e integração com serviços externos;

Vivência em integração com dados corporativos, APIs e/ou mecanismos de RAG;

Fundamentos sólidos de arquitetura de sistemas distribuídos (logs, métricas, tracing, confiabilidade);

Aptidão para traduzir objetivos empresariais em soluções técnicas progressivas e passíveis de mensuração;

Projetar, implementar e evoluir agentes de IA em produção, incluindo arquiteturas multiagentes quando apropriado integrando modelos, dados e ferramentas corporativas com foco em confiabilidade, custo e impacto de negócio.

Diferenciais técnicos

Experiência com orquestração de agentes stateful e workflows de longa duração.

Vivência com arquiteturas multiagentes e padrões de coordenação ou delegação.

Contato com práticas de LLMOps ou MLOps aplicadas a sistemas em produção.

Conhecimento de padrões modernos de integração de contexto e ferramentas (ex: MCP ou abordagens equivalentes).

Familiaridade com princípios de governança e risco em IA generativa.

Idiomas:

Inglês – Nível Avançado