[Tech] Especialista em Engenharia de IA - Smart Harness | Framework (Remoto)

Atuar como referência técnica de AI Engineering no time Smart Harness, definindo e evoluindo soluções de desenvolvimento assistido por Inteligência Artificial. O profissional liderará tecnicamente a arquitetura de agentes, integrações com modelos de linguagem, mecanismos de contexto e avaliação, transformando experimentação em capacidades robustas, seguras e escaláveis para o produto.

Responsabilidades e atribuições

Definir a arquitetura e desenvolver serviços, APIs, CLIs e ferramentas de IA utilizando principalmente Go. Projetar integrações robustas com LLMs, agentes de IA, MCP Servers, tools e skills. Definir mecanismos de RAG, recuperação, contextualização, memória e governança de contexto para agentes. Projetar fluxos de tool calling e function calling com controles de segurança, autorização, observabilidade e recuperação de falhas.

Desenvolver fluxos de agentes capazes de analisar, gerar e modificar código com limites de autonomia adequados ao risco. Criar provas de conceito, comparar modelos e transformar os aprendizados relevantes em capacidades de produto sustentáveis. Definir estratégias de avaliação, testes automatizados e métricas para qualidade, segurança, confiabilidade e custo das respostas e ações dos agentes. Conduzir decisões de arquitetura e revisões técnicas, orientando a evolução dos serviços do Smart Harness.

Mentorar profissionais do time e disseminar padrões de AI Engineering, backend e qualidade. Documentar decisões arquiteturais, guardrails e padrões definidos durante o desenvolvimento.

Requisitos e qualificações

Superior completo em tecnologia e afins. Experiência sólida com desenvolvimento backend e domínio avançado de Go. Experiência em arquitetura de software distribuído, APIs HTTP, Git, containers, testes automatizados, observabilidade e práticas de segurança. Experiência prática com desenvolvimento assistido por IA, agentes, coding agents ou produtos baseados em LLMs. Domínio de LLMs, prompt engineering, tool calling, MCP, RAG, embeddings, memória e integração com modelos de linguagem.

Experiência em avaliação de sistemas de IA, incluindo qualidade, confiabilidade, segurança, latência e custo. Capacidade de tomar decisões arquiteturais em cenários de incerteza e conduzir experimentos orientados por hipóteses e métricas. Experiência com CLIs, SDKs, plugins, parsers, AST ou Language Servers será considerada um diferencial.