Desenvolvedor operações sênior - ia & agentes autônomos (remoto)

Perfil de Humanz que buscamos:

• Capacidade analítica e de comunicação para argumentar tecnicamente, propor inovações e desafiar o "sempre foi feito assim";
• Experiência prévia consolidada como Desenvolvedor(a) Backend, preferencialmente utilizando TypeScript/Node.js e/ou Python;
• Experiência prática na construção e integração de APIs RESTful e Webhooks;
• Conhecimento no desenvolvimento e orquestração de fluxos de IA utilizando frameworks modernos, com destaque para Mastra (para construção de agentes em TypeScript), LangChain ou equivalentes;
• Vivência com ferramentas de LLM Observability e tracing, como Langfuse, visando monitorar custos, latência e qualidade das respostas;
• Conhecimento em Cloud Computing, com foco prático em AWS (EC2, Lambda, API Gateway, S3, etc.);
• Compreensão de conceitos de IA Generativa: Prompt Engineering, Embeddings, Chunking e arquiteturas RAG;
• Experiência com bancos de dados relacionais e não-relacionais, além de familiaridade com bancos vetoriais (ex: Pinecone, Qdrant, ChromaDB).

Bacana se você tiver, mas não é obrigatório (Diferenciais):

• Conhecimento em práticas de DevOps e esteiras de CI/CD (GitHub Actions, GitLab CI);
• Vivência em projetos de tecnologia para clientes do segmento Enterprise (B2B);
• Familiaridade com a criação e consumo de ferramentas/functions calling por LLMs (OpenAI, Anthropic, Gemini);
• Conhecimento em testes automatizados aplicados a fluxos de IA.

Seus desafios para fazer a diferença neste time:

• Atuar com forte protagonismo, mapeando proativamente gargalos técnicos e garantindo a qualidade e segurança ponta a ponta nas soluções de IA;
• Exercer um perfil consultivo, desafiar o status quo dos projetos, trazendo novas ideias, propondo arquiteturas mais eficientes e influenciando decisões técnicas junto a especialistas e clientes Enterprise;
• Atuar no desenvolvimento, customização e implantação de Agentes de IA e assistentes virtuais, integrando ecossistemas complexos (APIs, ERPs, CRMs, bancos de dados);
• Implementar fluxos de RAG (Retrieval-Augmented Generation) e manipular bancos de dados vetoriais para garantir que os agentes tenham acesso a contextos ricos e precisos;
• Monitorar, debugar e otimizar o consumo e a performance de LLMs utilizando ferramentas de observabilidade (como Langfuse);
• Trabalhar em conjunto com arquitetos e especialistas (chapters) para evoluir a arquitetura base das nossas soluções e colaborar no ciclo de deploy em infraestrutura cloud (AWS).