[Job-32145] AI Engineer (Enabling Team), Brasil

Procuramos uma pessoa AI Engineer apaixonada por engenharia de software de ponta, resolução de problemas complexos e capacitação de times de alta performance.

Nesta posição, você fará parte da Squad Enabling, atuando como pessoa catalisadora da transformação Agentic SDLC em uma das maiores empresas de mobilidade da América Latina.

Se você possui sólida bagagem em engenharia de software, domina arquiteturas agênticas e quer transformar a forma como software é construído em escala, esta oportunidade é para você!

Responsabilidades:

Habilitar processos, instalar capacidades técnicas de engenharia e inteligência artificial nas squads piloto e garantir a evolução contínua da plataforma de desenvolvimento agêntico do cliente, preparando os times para operar com autonomia e alto padrão de qualidade.

Adoção e Habilitação do Framework Agêntico: Garantir a adoção do ecossistema e ferramentas de IA nas squads piloto, atuando como Advisor e parceiro técnico no dia a dia dos times.
Evolução do Workflow e Plataforma: Atuar em par com os engenheiros do cliente para identificar fricções, gargalos e oportunidades de melhoria na solução agêntica, propondo e priorizando o backlog evolutivo do framework.
Co-construção de Soluções Agênticas: Desenvolver e refatorar fluxos agênticos, bundles de agentes e instaciação automatizada de skills e repositórios em parceria com o time local.
Capacitação em Harness Engineering e Evals:Treinar e mentorar desenvolvedores nas melhores práticas do uso de IA, parametrização de Harness Engineering, escrita de critérios de aceite executáveis (Gherkin/DoR) e criação de Evals (avaliações automatizadas).
Instalação de Capabilities e Shift-Left de Qualidade: Instalar e amadurecer capacidades técnicas de engenharia de software nas squads — com foco especial em testes de componente isolados (WireMock e bancos em memória), suítes integradas e validações bloqueantes em CI/CD.
Apoio ao Move to Production (MTP) Agêntico: Apoiar na estruturação e validação de esteiras de deploy automatizado baseadas em pontuação de avaliação de risco automatizada.

Requisitos:

Fundamentos de Engenharia de Software
- Sólida base em *Engenharia de Software
- Profundo conhecimento em princípios de design de software: modularidade, separação de conceitos (separation of concerns), testabilidade, manutenibilidade, resiliência e interfaces limpas.
- Experiência prática com Docker, CI/CD, automação de testes (unitários, componentes e e2e) e controle de versão (Git/GitHub/Azure DevOps).

Engenharia de IA e Arquiteturas Agênticas
- Capacidade comprovada de projetar e entregar soluções de IA Generativa e LLMs em nível de produção (production-grade).
- Domínio prático de padrões de IA Agêntica e RAG: uso de ferramentas (tool use), function calling, orquestração, fluxos Human-in-the-Loop e guardrails.
- Conhecimento de Agentic SDLC, coding agents, agentes de refatoração/revisão e integração com ferramentas de desenvolvedores.
Conhecimento em sistemas multi-agentes e workflows de execução longa.
- Domínio de estratégias de retrieval (embeddings, busca vetorial, chunking, reranking) e arquiteturas de recuperação de conhecimento corporativo (incluindo familiaridade com Knowledge Graphs ou GraphRAG).

Frameworks, SDKs e Provedores
- Proficiência em frameworks ou SDKs de IA, tais como LangGraph, LangChain, Semantic Kernel, LlamaIndex, OpenAI Agents SDK, Strands ou similares.
- Experiência prática com múltiplos provedores de LLM (OpenAI, Anthropic Claude, Google Gemini, Azure OpenAI, AWS Bedrock, etc.).

Avaliação, Observabilidade e Qualidade (Evals & Ops)
- Domínio de Evals e Observabilidade em IA: métricas de qualidade, rastreamento (tracing), latência, consumo de tokens, análise de falhas e gestão de custos.
Experiência prática com plataformas de observabilidade e métricas como Datadog LLM Observability, LangSmith, OpenTelemetry ou soluções correlatas.

Diferenciais:
- Experiência prévia na atuação como Enabler ou mentor técnico em processos de transformação digital e adoção de IA em escala.
- Vivência na implantação de práticas de Shift-Left Quality e Quality Built-In em pipelines de CI/CD.

#LI-RR2