Profissional Fullstack (Ruby on Rails/Vue/AI) Sênior

Buscamos uma pessoa Engenheira de Software Sênior, com sólida fluência em Ruby on Rails e Vue.js, para construir recursos de IA, validado e promovido antes de chegar a qualquer outro sistema. Você será responsável por desenvolver o harness de orquestração em torno dos agentes, projetar ferramentas de RAG que fundamentem as saídas clínicas em dados reais de pacientes e integrar respostas de IA em tempo real à arquitetura, sem comprometer o fluxo de trabalho que depende dela. Atuando de ponta a ponta na stack, você entregará recursos que pareçam nativos ao produto e deixará a base de código mais limpa, testável e preparada para agentes.

Responsabilidades

• Desenvolver recursos AI-native de ponta a ponta no CHR, atuando desde a camada de serviços em Rails, passando pelo stream WebSocket via ActionCable, até o componente Vue.js que renderiza a saída do agente.
• Projetar e implementar a camada de ferramentas dos agentes em Ruby (service objects, background jobs com Sidekiq e handlers de ActionCable), construída sobre o modelo de dados real do CHR para operações como consulta de prontuário, notas SOAP, checagem de regras de faturamento e recuperação de resultados de exames.
• Construir e manter o pipeline de resposta de IA em tempo real, utilizando ActionCable para transmitir as saídas dos agentes ao front-end Vue.js e tratando respostas parciais, estados de erro, interrupções de human-in-the-loop e degradação controlada quando o LLM estiver lento ou indisponível.
• Assumir o context engineering dos agentes do CHR, desenvolvendo a camada de montagem de contexto em Rails que reúne dados de prontuário, histórico de atendimento e contexto clínico a partir do PostgreSQL, de forma segura para PHI, eficiente em tokens e auditável.
• Desenvolver componentes Vue.js compatíveis com o modelo A2UI para superfícies de IA, definindo os contratos de componente que os agentes produzem e os componentes que os renderizam, em conformidade com o design system e as convenções de UX clínica do CHR.
• Implementar as ferramentas de RAG para recuperação de conhecimento específico do CHR, construindo pipelines de embeddings sobre o conteúdo clínico, projetando a recuperação adequada e avaliando sua qualidade contra ground truth clínico.
• Gerir a economia de tokens de cada agente entregue, compreendendo o custo do contexto, aplicando estratégias de compactação e sumarização sobre o histórico do paciente e monitorando o custo por chamada como métrica de produção, ao lado de latência e qualidade.
• Instrumentar cada recurso de IA para observabilidade em produção, integrando traces de ActionCable, métricas de jobs Sidekiq, latência de LLM, tendências de scores de avaliação e sinais de acurácia clínica à stack de observabilidade.
• Sustentar o mandato de OPERATE, assegurando que o trabalho de IA não degrade os fluxos clínicos existentes, uma vez que o CHR atende clínicos e pacientes reais.
• Registrar entradas de Knowledge Graph para cada recurso entregue, codificando protocolos clínicos, regras de faturamento e casos de borda em formato consultável por máquina.