AI Engineer

Buscamos uma pessoa AI Engineer para construir e evoluir os pipelines de IA do time. Você vai trabalhar diretamente com LLMs, RAG e agentes — desenhando soluções que envolvem extração de informação de documentos, geração de artefatos textuais, validação e automação de fluxos. Queremos alguém que pense em qualidade, custo e latência como parte do design, e que ajude a definir como aplicamos IA nos nossos produtos. O que você vai fazer:

• Projetar e implementar pipelines de extração de informação de documentos.
• Construir e evoluir soluções de RAG sobre bases documentais.
• Desenvolver e orquestrar agentes de IA especializados em diferentes tarefas (extração, geração, validação, revisão).
• Desenhar prompts, guardrails e estratégias de avaliação (evals) para garantir qualidade das saídas.
• Trabalhar o trade-off entre custo, latência e qualidade dos modelos (escolha de modelos, caching, batch, etc).
• Participar do desenho da arquitetura de dados de IA (bases de documentos, tabelas analíticas, embeddings).
• Contribuir nas decisões sobre como IA entra na arquitetura dos produtos.

• Experiência prática construindo aplicações com LLMs em produção (não só notebooks/experimentos).
• Python sólido (langchain, langgraph) você consegue construir e manter um backend de IA de ponta a ponta.
• Experiência com APIs de LLMs (OpenAI, Anthropic, Google ou similares) e com pelo menos um framework de orquestração (LangChain, LlamaIndex, LangGraph, etc).
• Domínio de RAG: chunking, embeddings, bancos vetoriais (pgvector, Pinecone, Weaviate, Vertex AI Search ou similar), estratégias de retrieval e re-ranking.
• Capacidade de avaliar saídas de modelos de forma estruturada (evals, métricas, comparação de prompts/modelos).
• Boas práticas de engenharia: versionamento, testes, code review.
• Comunicação clara em português.

• Experiência construindo agentes (tool use, planejamento, multi-agente).
• R
• Familiaridade com Google Cloud (Vertex AI, Cloud Run, Cloud Functions).
• Experiência com processamento de documentos (OCR, parsing de PDF, layout-aware extraction).
• Experiência com fine-tuning ou model distillation.
• Observabilidade de LLMs (LangSmith, Langfuse, Arize ou similares).
• Background em ciência de dados / ML clássico.