Engenheiro(a) de Inteligência Artificial Sênior

Descrição

Resumo da Vaga: Buscamos um engenheiro(a) de IA para liderar a criação de agentes inteligentes, experimentando e levando soluções autônomas para produção com autonomia. Principais Destaques: 1. Autonomia para escolher modelos e arquiteturas em IA. 2. Desenvolver agentes autônomos com LangChain, Agno e LLMs de mercado. 3. Liderar tecnicamente, mentorar juniores e elevar o padrão de engenharia do time. Você não quer só usar IA. Você quer construir o que vem a seguir. Estamos expandindo nossa fronteira de Inteligência Artificial e buscamos um(a) engenheiro(a) que assuma com protagonismo a criação de agentes inteligentes que geram valor real — não proof\-of\-concepts que ficam na gaveta. Aqui você terá autonomia de verdade: escolhe o modelo, propõe a arquitetura, experimenta, valida e leva para produção. Com suporte, sem microgerenciamento. O que você vai fazer: \- Projetar e desenvolver agentes autônomos com LangChain, Agno e outros frameworks modernos, combinando múltiplas ferramentas em fluxos inteligentes. \- Construir agentes conversacionais com memória de curto e longo prazo, garantindo rastreabilidade e personalização. \- Avaliar e integrar LLMs de mercado — OpenAI, Gemini, DeepSeek, Cohere — com visão crítica de trade\-offs entre performance e custo. \- Estruturar pipelines de RAG com bancos vetoriais (ChromaDB, FAISS) conectados a dados corporativos no Snowflake. \- Montar mecanismos de extração de conhecimento via web scraping (Crawl4AI) e parsing de documentos (Docling). \- Integrar agentes a APIs para que eles executem ações reais em sistemas — não apenas respondam perguntas. \- Liderar tecnicamente, mentorar perfis juniores e elevar o padrão de engenharia do time. \- Traduzir necessidades de negócio em soluções práticas junto às áreas internas. Requisitos Python sólido com Transformers, LangChain/LlamaIndex/Agno. Experiência comprovada com agentes autônomos e LLMs em produção. Vivência com RAG, bancos vetoriais (ChromaDB, FAISS) e busca semântica. Integrações com APIs (FastAPI, requests) e bancos de dados (Snowflake preferencial). Boas práticas de engenharia: GitHub, código limpo, soluções escaláveis. Formação em Engenharia, Ciência da Computação, Estatística ou área correlata. Desejável Experiência com MLOps e ciclo de vida de modelos em produção. Conhecimento em fine\-tuning ou quantização de LLMs. Projetos de IA conversacional integrados ao WhatsApp. Background em Machine Learning clássico (supervisionado, não supervisionado, RL). Atuação prévia como referência técnica em times multidisciplinares. Outras Informações Não é necessário enviar portfólio, mas se tiver projetos relevantes no GitHub, fique à vontade para incluir o link no currículo.