Engenheiro(a) de software front-end react - ai native

Soft skills e comportamentos

• Clareza de escrita e de especificação como skill de primeira ordem : no modelo AI-native, especificar bem é programar. Quem especifica mal, gera mal.
• Pensamento crítico e ceticismo técnico : não confiar cegamente em soluções automáticas, especialmente as geradas por IA.
• Conforto com ambiguidade e com delegar : soltar o controle do "como" mantendo o controle do "o quê" e do "porquê".
• Autonomia e responsabilidade para buscar soluções sem depender de direcionamento constante.
• Comunicação clara para discutir requisitos, decisões técnicas e trade-offs.
• Colaboração e respeito ao time, valorizando o aprendizado coletivo.
• Adaptabilidade em um ambiente de rápida evolução tecnológica.
• Importa-se genuinamente com o sucesso do produto e do time.
• Assume responsabilidades mesmo quando não são formalmente atribuídas.
• Aprende com erros, celebra conquistas coletivas e se posiciona com coragem diante de decisões difíceis.

Principais atividades

• Produzir software de forma AI-native: conduzir agentes e LLMs a partir de especificações, mantendo responsabilidade técnica integral pelo resultado. Você especifica, orquestra, revisa e responde pelo código. A IA executa; 
• Conduzir o ciclo de Spec-Driven Development : transformar requisitos em especificações executáveis e artefatos de contexto (ex.: /specify, /plan) que servem de contrato para o trabalho humano e para os agentes.
• Calibrar a autonomia progressiva da IA conforme risco e maturidade do contexto: saber quando aceitar a geração autônoma e quando intervir manualmente, sem perder o controle do "o quê" e do "porquê".
• Participar do rito de Pull Request Aumentado , revisando não apenas sintaxe, mas intencionalidade : aderência aos critérios de aceite, decisões técnicas e impacto funcional — inclusive sobre código gerado por agentes, não só por humanos.
• Contribuir para a camada de conhecimento e os contextos reutilizáveis (skills, padrões, decisões arquiteturais, conectores/MCPs) que tornam os agentes consistentes e confiáveis no domínio da MRV.
• Aplicar boas práticas de arquitetura e engenharia para entregar código limpo, testável e sustentável, em sistemas de diferentes características (monolitos e/ou distribuídos), com foco em valor de negócio e ritmo sustentável.
• Contribuir com testes automatizados, observabilidade — inclusive sobre a qualidade e o custo do output de IA — e práticas que reduzam retrabalho e débito técnico.
• Atuar em times colaborativos guiados por valor, usando metodologias ágeis e práticas como code review, pair e mob programming, compartilhando aprendizados e sendo mentorado(a) por profissionais mais experientes.

Conhecimento técnico (mandatório)

• Pelo menos 3 anos de experiência com desenvolvimento de software, com domínio forte em ao menos uma das stacks (.NET e React ) e capacidade comprovada de transitar pelas demais com apoio de IA. Valorizamos experiência Fullstack.
• Spec-Driven Development como competência central : escrever especificações não ambíguas, decompor em planos verificáveis e definir critérios de aceite que funcionem como contrato para humanos e agentes (ex.: /specify, /plan).
• Engenharia de Contexto : construção e gestão de contexto para LLMs — instruções, restrições, exemplos, seleção de ferramentas/MCPs e controle da janela de contexto.
• Uso de IA Generativa e ferramentas agentivas aplicado ao desenvolvimento, com responsabilidade, senso crítico e validação humana sistemática.
• Leitura crítica de código que você não escreveu : avaliar, validar e corrigir output de IA e de terceiros com a mesma profundidade do próprio código.
• Habilidade para escrever código de alta qualidade, bem organizado e testável, com domínio de OO e/ou bons princípios de design.
• Experiência com testes automatizados (unitários e/ou de integração).
• Uso de Git para versionamento e colaboração via Pull Requests.
• Experiência com bancos de dados SQL e fundamentos de modelagem de dados.
• Vivência com práticas ágeis (Scrum, Kanban ou XP).

Diferenciais

• Experiência prática com orquestração de agentes e MCPs/conectores (composição de ferramentas, automação de fluxos com IA).
• Familiaridade com avaliação e observabilidade de output de IA (medir qualidade, regressões, custo de tokens) e com arquiteturas model-agnostic .
• Experiência com arquiteturas distribuídas, microsserviços ou mensageria.
• Vivência com CI/CD, automação de build e release.
• Conhecimento em nuvem e/ou contêineres (Docker, Kubernetes).
• Conhecimento em Python.