Profissional Engenheiro(a) de Software Staff — IA (Camada de Inteligência)

A Luby busca um(a) Staff Engineer de IA (L5) com domínio técnico avançado em arquitetura de sistemas de IA em produção. O profissional será responsável pela concepção e implementação da camada de inteligência que serve como o núcleo de raciocínio dos produtos da empresa, atuando como o motor agnóstico de casos de uso que torna os agentes inteligentes. Esta posição foca na infraestrutura, incluindo primitivos de recuperação, padrões de orquestração e lógica de roteamento, exigindo que o profissional domine a stack completa, do orçamento de tokens ao SLO de produção. A atuação será com autoridade arquitetural entre os times, escrevendo padrões, conduzindo design reviews e sendo referência para problemas complexos de sistemas de IA, com forte atenção a restrições de dados sensíveis (PHI), orçamentos de latência e requisitos de acurácia clínica.

Responsabilidades

• Arquitetar e implementar a camada de inteligência: context engineering, pipelines de recuperação (RAG, vetorial, grafo), padrões de orquestração, registries de ferramentas e roteamento de LLMs.
• Projetar e manter o context manager (compactação por janela deslizante, orçamento de contexto ciente de PHI) – a peça de infraestrutura mais crítica do runtime dos agentes.
• Definir a estratégia de roteamento de LLMs entre modelos de tempo real (voz), modelos de alto volume para classificação, modelos de raciocínio complexo via Vertex AI e modelos locais/open para tarefas sensíveis a PHI.
• Desenhar padrões de coordenação multi-agente: definições de agentes em YAML (versionadas em git e por SHA), registry de ferramentas com auto-descoberta e protocolos de comunicação agente-a-agente.
• Arquitetar o Knowledge Graph: como o conhecimento de domínio é codificado, consultado em runtime e auditado, tratando o KG como entregável de primeira classe.
• Conduzir a orientação arquitetural entre times, estabelecendo o padrão das cinco disciplinas (context engineering, orquestração, observabilidade, evals e manutenção) e garantindo consumo via primitivos de plataforma.
• Conduzir o pipeline de seleção de modelos: rodar candidatos em benchmarks estruturados (em parceria com o especialista de Evals & Harness) e decidir qual modelo serve cada caso de uso frente a acurácia, latência e custo.
• Tomar a decisão entre fine-tune, RAG e prompting, fazendo os handoffs adequados para os times de RLHF/Preference Learning e Data & ML quando necessário.
• Avaliar e integrar capacidades de modelos de fronteira à medida que surgem, mantendo o frontier de custo/latência/qualidade e atualizando a estratégia de roteamento.
• Assumir a prevenção de alucinações como responsabilidade arquitetural: grounding de saída (toda afirmação rastreável a uma entrada do KG ou fonte recuperada), cadeias de citação auditáveis e padrões de validação de saída.
• Exercer liderança técnica em nível Staff: propostas arquiteturais, design reviews, ADRs e mentoria de engenheiros sênior.