Engenheiro(a) de Automação com IA (Backend + AI Builder) Profissional híbrido responsável por mapear, desenhar e implementar automações de processos internos do time de tecnologia usando IA, atuando ponta a ponta, desde a descoberta do problema com stakeholders até a entrega em produção e sustentação. Deve ter base sólida de backend para transitar em demandas correlatas do time (integrações, APIs, manutenção de serviços) quando necessário. Responsabilidades principais O profissional vai atuar em três frentes que se complementam. Na frente de descoberta e mapeamento, conduz entrevistas com áreas demandantes, mapeia processos atuais (AS-IS), identifica gargalos automatizáveis, avalia viabilidade técnica e ROI, e prioriza oportunidades junto à liderança. Na frente de desenho e implementação, desenha a arquitetura da solução (escolhendo entre LLM, RPA, workflow tradicional ou combinação), prototipa rapidamente, implementa de ponta a ponta, incluindo integrações, prompts, guardrails, observabilidade, e leva pra produção com testes e documentação. Na frente de sustentação e evolução, monitora qualidade das automações em produção (acurácia, custo de tokens, latência), itera com base em feedback, e contribui em demandas gerais de backend do time quando a fila de automação estiver vazia. Stack e conhecimentos técnicos Backend (obrigatório) Linguagem principal: Python ou Node.js/TypeScript e conhecimento sólido em backend com .NET (C#) APIs REST: design, consumo, autenticação (OAuth2, JWT, API keys), versionamento Bancos de dados: SQL (PostgreSQL/SQL Server) e noções de NoSQL/vetoriais (Pinecone, Qdrant, pgvector) Mensageria e filas: RabbitMQ, Kafka ou similares (importante pra automações assíncronas) Containers: Docker e noções de Kubernetes Git, CI/CD (GitHub Actions, Azure DevOps, GitLab CI) IA aplicada (obrigatório) Uso de APIs de LLMs (Anthropic Claude, OpenAI, Gemini), não precisa treinar modelos, mas precisa saber consumir bem Prompt engineering estruturado (não no nível de "truques", mas de design de prompts confiáveis e testáveis) RAG (Retrieval-Augmented Generation): indexação, chunking, embeddings, busca semântica Function calling / tool use / agentes MCP (Model Context Protocol) Avaliação de outputs: como medir qualidade, criar suítes de teste, detectar regressões Guardrails: validação de saída, fallbacks, controle de custo Plataformas de automação (desejável) n8n, Make, Zapier, Power Automate, pra resolver rápido o que não exige código custom Ferramentas de orquestração: LangChain, LlamaIndex, Semantic Kernel (com cautela, saber quando NÃO usar também) Soft skills críticas Capacidade de conversar com áreas de negócio e traduzir necessidade em solução Documentação técnica clara Pragmatismo: saber quando IA é a resposta e quando uma regra simples resolve melhor Benefícios: -. Ajuda de custo -. Beneficio corporativo de Viagens -. Clube de Vantangens

Exigências

• Escolaridade Mínima: Ensino Superior

• Experiência desejada: Entre 3 e 5 anos