Produto de IA (núcleo da vaga):

•     Evoluir o pipeline RAG ponta a ponta: ingestão de PDF, chunking, embeddings, indexação vetorial, retrieval, montagem de prompt e geração.

•     Responder pela qualidade de extração em documentos de dezenas a centenas de páginas, onde a falha típica é silenciosa: o sistema declara sucesso com o documento parcialmente indexado.

•     Fazer chamadas a LLM de forma robusta: lote, retry com backoff, limite de concorrência, trato de rate limit e degradação controlável.

•     Instrumentar e avaliar os fluxos de LLM com tracing, evals reproduzíveis, comparação de modelos e controle de custo por token; escolher o modelo certo para cada etapa.

•     Versionar e governar prompts fora do código, com rastreabilidade de qual versão gerou qual saída.

•     Dimensionar capacidade e custo de inferência (capacidade provisionada vs. sob demanda) e sustentar a decisão com medição.

•     Respeitar os dois segmentos: público e privado têm vocabulário, regras e telas próprias, e a regra de ouro é regressão zero no produto já em produção.

Esteira AI-First (SDLC com IA):

•     Construir e operar a esteira de ponta a ponta: especificação, geração, revisão, automação e execução, com agentes, MCPs, skills e contextos versionados no repositório.

•     Desenhar e versionar especificação como fonte da verdade (SDD), de modo que a especificação, e não o chat, seja o artefato durável.

•     Definir os guardrails de arquitetura que orientam a geração e reduzem alucinação: convenções, limites de escopo de PR, testes obrigatórios, checagens automáticas.

•     Revisar criticamente código gerado por IA, olhando arquitetura, escalabilidade, tamanho de PR, segurança e legibilidade — e recusar o que não se sustenta.

•     Disseminar a prática: tornar a esteira usável pelo resto do time, não um ganho pessoal de produtividade.

Liderança técnica e governança:

•     Conduzir decisões de arquitetura e registrá-las de forma datada e rastreável.

•     Revisar entregas de terceiros: parte do código vem de fábrica e de times vizinhos, com padrões diferentes dos nossos.

•     Operar dentro do rito corporativo de mudança (janelas de CHG/GMUD, aprovação de maintainer em repositório de terceiro, ambientes segregados).

•     Sustentar o produto em produção: diagnosticar incidente com log e métrica, decidir rollback, comunicar impacto sem maquiagem.

•     Provar o valor do piloto com métrica combinada previamente (ver seção de sucesso).

Os requisitos obrigatórios:

1.      Engenharia de software sênior de verdade: arquitetura de serviços, filas e processamento assíncrono, modelagem de dados, e code review crítico de PR.

2.      TypeScript/Node sênior e Python. São as duas linguagens do dia a dia (Fastify no back, FastAPI no agente). Não é diferencial, é pré-requisito.

3.      Uso diário de desenvolvimento agêntico (Claude Code, Codex, Cursor ou equivalente). Experimentações pontuais não contam.

4.      Agentes, MCP e SDD aplicados ao ciclo de desenvolvimento em contexto real de produção, não em prova de conceito.

5.      RAG na prática: chunking, embeddings, busca vetorial e híbrida, e a noção clara de que a maior parte do erro de um RAG nasce na ingestão, não no prompt.

6.      Chamadas de API a LLM (Anthropic, OpenAI, Azure OpenAI) com controle de custo, latência e falha.

7.      Framework de orquestração de LLM — LangChain, LangGraph, AI SDK, Agno ou similar. O produto usa LangChain hoje.

8.      Prompt engineering e context engineering com avaliação objetiva do resultado, não por impressão.

9.      Observabilidade de LLM: tracing, evals, comparação de modelo e leitura de custo por token.

10.   Segurança e compliance em solução de IA: dado sensível, segredo fora do código, autorização no servidor, trilha de auditoria.

Requisitos de contexto (filtram mais do que os técnicos):

•     Confortável em ambiente corporativo restrito: acesso via VPN, credencial com escopo limitado, dependência de time de plataforma e de segurança para parte das mudanças.

•     Tolerância a rito: janela de mudança, aprovação formal, ambiente de homologação, repositório de terceiro com gate de maintainer.

•     Comunicação direta com pessoa de negócio (PM, arquiteto do cliente, usuário final), em português, sem escudo de intermediário.

Os diferenciais:

•     Domínio de licitações, contratos públicos ou RFP corporativa.

•     Processamento de documento longo: OCR, layout parsing, extração de entidade, extração heurística combinada com LLM.

•     Azure de ponta a ponta: Azure OpenAI, AKS, Blob, CosmosDB, Azure DevOps.

•     Arquitetura agnóstica de LLM (Anthropic, OpenAI, Google, modelos abertos) com troca de provedor sem reescrita.

•     Experiência em produto que já está no ar com usuário real e custo de regressão alto.

O que esta vaga não é:

•     Não é pesquisa em IA. Não se treina modelo do zero nem se publica paper; usa-se modelo de terceiro com engenharia séria em volta.

•     Não é liderança sem código. Espera-se PR aberto pela pessoa toda semana.

•     Não é greenfield. Há produto em produção, dívida técnica conhecida e regra de regressão zero.

O perfil comportamental:

•     Constrói rápido e revisa com rigor. Prototipa, valida com o negócio e ainda assim escreve pensando em quem mantém depois.

•     Proativo. Não espera a demanda chegar pronta, e transforma sintoma relatado em diagnóstico medido.

•     Eleva o time em vez de virar gargalo: a esteira precisa funcionar na mão dos outros.

•     Honesto com número ruim. Reporta o que falhou com evidência, e não declara pronto o que não verificou.