AI Product Engineer

Buscamos uma pessoa para atuar como AI Product Engineer, responsável por transformar capacidades de Inteligência Artificial em produtos, agentes e workflows capazes de resolver problemas reais de negócio. A posição combina engenharia de software, arquitetura, IA aplicada e visão de produto, com foco em identificar oportunidades, desenhar soluções, implementar produtos e colocá-los efetivamente em produção. Essa pessoa deverá atuar principalmente na construção de AI Agents, agentic workflows, loops de execução, ferramentas internas e produtos baseados em LLMs, integrando modelos de IA a sistemas, APIs, bases de conhecimento e processos existentes.

Responsabilidades

• Projetar e desenvolver produtos e funcionalidades baseados em Inteligência Artificial.
• Transformar necessidades de negócio em soluções utilizando LLMs, agentes, automações e workflows.
• Desenvolver aplicações completas, considerando frontend quando necessário, backend, integrações, persistência, infraestrutura e camada de IA.
• Criar rapidamente protótipos para validar hipóteses e evoluí-los para soluções robustas quando houver evidência de valor.
• Trabalhar próximo às áreas de produto, engenharia e negócio para identificar oportunidades onde IA possa gerar ganhos concretos.
• Avaliar quando utilizar IA generativa e quando uma solução tradicional de software é mais adequada.
• Participar de todo o ciclo do produto, desde discovery e experimentação até deployment, observabilidade e evolução em produção.
• Projetar e implementar agentes especializados capazes de executar tarefas utilizando contexto, ferramentas e regras de negócio.
• Definir responsabilidades, ferramentas, contexto e limites de atuação dos agentes.
• Desenvolver arquiteturas multi-agent quando houver necessidade real de especialização ou separação de responsabilidades.
• Criar mecanismos de handoff e coordenação entre agentes.
• Implementar agentes capazes de interagir com APIs, bancos de dados, sistemas internos e ferramentas externas.
• Desenvolver estratégias para gerenciamento de contexto, memória e estado.
• Definir mecanismos de validação e controle para ações executadas por agentes.
• Criar mecanismos de fallback e recuperação quando uma execução não produzir o resultado esperado.
• Desenvolver workflows nos quais modelos de IA executem sequências estruturadas de análise, ação, validação e revisão.
• Construir loops envolvendo etapas como planejamento, execução, avaliação e correção.
• Implementar workflows com múltiplos passos e decisões condicionais.
• Projetar processos com human-in-the-loop quando decisões exigirem validação humana.
• Criar mecanismos de retry, timeout, fallback e tratamento de erros.
• Trabalhar com workflows síncronos e assíncronos.
• Definir critérios claros para início, continuidade e encerramento dos loops.
• Evitar comportamentos indefinidos através de limites operacionais e critérios objetivos de conclusão.
• Avaliar quando um workflow determinístico é mais adequado do que uma arquitetura totalmente agentic.
• Projetar prompts estruturados para diferentes tipos de agentes e tarefas.
• Trabalhar com system prompts, templates, exemplos e instruções estruturadas.
• Desenvolver estratégias de context engineering, garantindo que cada modelo receba as informações necessárias para sua tarefa.
• Definir formatos estruturados de entrada e saída.
• Implementar structured outputs e validações de schema.
• Criar estratégias para redução de alucinações e aumento da previsibilidade das respostas.
• Gerenciar context windows e estratégias de recuperação, sumarização e compressão de contexto.
• Criar ferramentas que possam ser utilizadas pelos agentes para executar ações em sistemas externos.
• Integrar modelos com APIs REST, GraphQL, bancos de dados, sistemas corporativos e plataformas SaaS.
• Implementar Function Calling e mecanismos equivalentes de execução de ferramentas.
• Desenvolver integrações utilizando padrões como Model Context Protocol (MCP) quando aplicável.
• Definir contratos claros entre agentes e ferramentas.
• Implementar autenticação, autorização e controles de acesso.
• Garantir que agentes possuam apenas as permissões necessárias para suas responsabilidades.
• Desenvolver soluções utilizando Retrieval-Augmented Generation (RAG).
• Estruturar pipelines de ingestão, chunking, indexação e recuperação de documentos.
• Trabalhar com embeddings, busca semântica e bancos vetoriais.
• Desenvolver estratégias híbridas de busca quando necessário.
• Avaliar qualidade e relevância do contexto recuperado.
• Criar mecanismos de rastreabilidade das fontes utilizadas pelos modelos.
• Integrar bases de conhecimento, documentação técnica e dados corporativos.
• Criar estratégias sistemáticas para avaliar a qualidade dos produtos e agentes.
• Construir datasets representativos dos principais cenários de uso.
• Definir métricas para precisão, relevância, completude, consistência e aderência às instruções.
• Criar evals automatizados para identificação de regressões.
• Utilizar LLM-as-a-Judge quando apropriado, complementando com validações determinísticas e humanas.
• Comparar modelos, prompts e estratégias de contexto através de experimentos controlados.
• Criar mecanismos para análise e categorização de falhas encontradas em produção.
• Definir e implementar estratégias de deployment para aplicações baseadas em IA.
• Hospedar e operar aplicações utilizando serviços da AWS.
• Desenvolver e publicar workloads utilizando AWS Lambda e arquiteturas serverless.
• Trabalhar com serviços AWS como API Gateway, S3, CloudWatch, IAM, SQS, EventBridge, DynamoDB, RDS e outros serviços pertinentes à solução.
• Configurar variáveis de ambiente, secrets e parâmetros necessários para execução segura das aplicações.
• Desenvolver aplicações preparadas para execução em ambientes containerizados quando necessário.
• Estruturar pipelines de CI/CD para build, testes e deployment.
• Trabalhar com Git e estratégias de versionamento e deployment.
• Diagnosticar problemas de infraestrutura e execução em ambientes cloud.
• Compreender impactos de cold start, timeout, memória, concorrência e limites de execução em arquiteturas serverless.
• Projetar soluções considerando disponibilidade, escalabilidade, custo e observabilidade.
• Trabalhar em conjunto com times especializados de Cloud ou DevOps quando a complexidade da infraestrutura exigir.
• Implementar tracing para acompanhar cada etapa da execução de agentes e workflows.
• Monitorar prompts, respostas, chamadas de ferramentas, latência, erros e consumo de tokens.
• Criar mecanismos para investigar execuções problemáticas.
• Acompanhar custo por execução e identificar oportunidades de otimização.
• Avaliar continuamente o equilíbrio entre qualidade, latência e custo.
• Implementar logging, métricas e alertas adequados.
• Integrar observabilidade da aplicação com serviços como AWS CloudWatch ou plataformas especializadas.
• Criar mecanismos para reprodução e análise de comportamentos inesperados em produção.
• Definir arquiteturas de aplicações que utilizem LLMs e sistemas agentic.
• Projetar soluções considerando escalabilidade, segurança, confiabilidade, observabilidade e custo.
• Desenvolver APIs e serviços responsáveis pela execução e orquestração dos workflows.
• Trabalhar com filas, eventos e arquiteturas assíncronas.
• Projetar aplicações orientadas a eventos quando apropriado.
• Garantir qualidade de código através de testes, revisão e boas práticas de engenharia.
• Criar abstrações reutilizáveis para acelerar o desenvolvimento de novos agentes e produtos.
• Participar das decisões relacionadas à seleção de modelos, frameworks, infraestrutura e plataformas de IA.
• Avaliar trade-offs entre soluções serverless, containers, aplicações persistentes e serviços gerenciados.
• Definir controles para acesso de agentes a sistemas e informações sensíveis.
• Trabalhar com proteção contra prompt injection e uso indevido de ferramentas.
• Implementar limites de execução e validação de operações de maior risco.
• Garantir tratamento adequado de dados enviados para modelos externos.
• Aplicar princípios de least privilege tanto para usuários quanto para agentes e workloads.
• Garantir rastreabilidade das ações executadas por sistemas autônomos.
• Trabalhar adequadamente com secrets, credenciais, IAM Roles e permissões AWS.
• Projetar soluções considerando privacidade, segurança e requisitos corporativos.