Engenheiro de Dados de Agentes Pleno

O time de agentes da EvcomX constrói assistentes de IA que ficam entre a pessoa e o dado. Nossos clientes industriais têm muita informação, espalhada, em vários sistemas. Nós transformamos essa informação em ação. Um agente resolve isso quando consulta os dados certos, encontra o documento certo e responde sem inventar. Por baixo da conversa existe um sistema distribuído. O modelo decide qual ferramenta chamar. As ferramentas precisam devolver o número certo. Os documentos precisam ser encontrados e citados.

A resposta pode levar minutos e não pode se perder se a pessoa fechar a aba. E o consumo de tokens vira custo. Nossos engenheiros de agentes constroem essa camada, com objetivo é transformar pipeline, métrica e documento em ferramentas que o modelo usa, monitorar as ferramentas, chamadas, performance dos nossos agentes de IA.

Responsabilidades e atribuições

Expor dados e métricas de negócio como ferramentas que o agente pode chamar, com contrato claro e controle de acesso. Construir pipelines de ingestão de documentos, com chunking, geração de embeddings e busca vetorial. Garantir que toda resposta do agente seja rastreável até a fonte que a originou. Operar o runtime das conversas, incluindo execução assíncrona, streaming da resposta e memória entre turnos. Medir consumo de tokens, custo e latência de cada execução.

Escrever avaliações que provem que o agente responde certo e que acusem regressão quando algo muda. Aplicar as regras que definem o que cada agente pode fazer e o que cada pessoa pode ver.

Requisitos e qualificações

Experiência de 2 a 4 anos atuando com engenharia de dados ou back-end. Python sólido em código de produção, com tipagem e testes. Experiência com SQL e modelagem de dados. Experiência construindo e consumindo APIs REST. Experiência com controle de versão usando Git e com containers. Ter construído alguma coisa com LLM chamando ferramenta, em projeto profissional ou pessoal. Capacidade de investigar uma resposta errada e identificar se o problema foi do modelo, da ferramenta ou do dado.

Capacidade de comunicar e discutir soluções técnicas com diferentes perfis. Requisitos desejáveis: Experiência com LangChain, LangGraph ou outro framework de agentes. Experiência com RAG de ponta a ponta, incluindo chunking, embeddings e bancos vetoriais como pgvector. Conhecimento em MCP (Model Context Protocol). Familiaridade com processamento assíncrono, filas e streaming de resposta. Conhecimento em observabilidade de LLM, como tracing e avaliação automatizada. Conhecimento em cloud (Azure ou AWS).

Familiaridade com n8n ou outra ferramenta de automação de fluxo. Conhecimento em governança de IA, auditoria e tratamento de dados sensíveis.