AI Engineer (GenAI Platform) - Mid Level

Estamos em busca de um(a) AI Engineer (GenAI Platform) para atuar na evolução da nossa plataforma global de Inteligência Artificial Generativa. Essa posição terá papel fundamental no design, desenvolvimento e operação de serviços de IA que suportam times de engenharia e produto em diversos países, permitindo a criação de soluções baseadas em GenAI de forma escalável, segura, observável e eficiente em custos. O foco da função é o desenvolvimento de capacidades de IA Generativa em nível de plataforma, incluindo sistemas agentic, integração de modelos, LLMOps e governança de custos. Não se trata de uma posição voltada para treinamento ou fine-tuning de modelos do zero. Principais responsabilidades Projetar e desenvolver serviços de IA Generativa e sistemas multiagentes. Implementar soluções de RAG (Retrieval-Augmented Generation), tool-calling e orquestração de agentes. Integrar e operar modelos através de gateways LLM. Desenvolver práticas de LLMOps para monitoramento, observabilidade e governança. Implementar mecanismos de medição de consumo, chargeback e otimização de custos de inferência. Construir e manter pipelines de dados que suportem processos de billing e metering. Aplicar práticas de MLOps, CI/CD, testes automatizados e gestão de ciclo de vida de modelos. Atuar em incidentes, monitoramento, confiabilidade e melhoria contínua dos serviços. Colaborar com times globais de Produto, Engenharia, Plataforma, Segurança e Dados. Requisitos obrigatórios Experiência em Engenharia de Software e IA Aplicada. Experiência prática em projetos de GenAI em ambiente produtivo. Inglês avançado. Conhecimentos técnicos em: GenAI e Agentic AI Multi-agent orchestration Tool calling Multi-step reasoning RAG Prompt Engineering LangChain, LangGraph ou frameworks equivalentes LLMOps e Plataformas Gateways LLM (LiteLLM ou similares) Integração de modelos via APIs Observabilidade Avaliação de aplicações baseadas em LLM Otimização de latência e performance Vector databases e mecanismos de retrieval Linguagens e Cloud Python avançado AWS (preferencial) Boas práticas de arquitetura, observabilidade e reprodutibilidade MLOps Versionamento e rastreamento de experimentos CI/CD Testes automatizados Deployment e rollback de serviços de IA  Data Engineering Conhecimento em pipelines de dados Batch e streaming Spark e arquiteturas Lakehouse Orquestração de dados Diferenciais Kafka e Event Streaming Terraform e Infrastructure as Code Databricks (Delta Lake e DLT) Experiência com plataformas internas para desenvolvedores Atuação em ambientes globais e distribuídos