* Salário: R$ 12.000 a R$ 20.000 por mês (estimado)
* O valor exibido é uma estimativa calculada com base em dados públicos e referências do mercado. Não garantimos que este seja o salário oferecido para esta vaga específica.
Área: Engenharia
Nível: Senior
Buscamos um Engenheiro de IA Sênior para projetar e operar soluções de Inteligência Artificial em produção, integradas a sistemas backend robustos, utilizando Java 21+ e/ou Kotlin.
Esta vaga é voltada para profissionais com forte base em engenharia de software, que entendem IA como componente arquitetural, não como solução mágica. Procuramos alguém que saiba quando usar IA — e quando não usar.
Aqui, IA precisa ser:
escalável
observável
segura
sustentável em custo
Responsabilidades
Projetar e implementar soluções de IA e GenAI integradas a aplicações Java/Kotlin.
Construir arquiteturas envolvendo:
LLMs
RAG (Retrieval Augmented Generation)
Agentes
Workflows híbridos (IA + regras determinísticas)
Desenvolver serviços backend para consumo de IA (APIs, pipelines, workers async).
Implementar pipelines de embeddings e recuperação semântica.
Garantir versionamento e rastreabilidade de:
Prompts
Configurações de modelos
Pipelines de dados
Monitorar e otimizar:
Latência
Custo por requisição
Qualidade das respostas
Definir boas práticas de engenharia para uso de IA no time.
Atuar como referência técnica em decisões envolvendo IA, arquitetura e escala.
Requisitos Obrigatórios
Linguagem & Backend
Experiência sólida com Java 21+ e/ou Kotlin.
Experiência com Spring Boot 3.x ou Quarkus.
Forte conhecimento em:
APIs REST
Programação assíncrona
Serviços distribuídos
Experiência com mensageria (Kafka, SQS, RabbitMQ ou similares).
Fundamentos de IA / ML
Conhecimento sólido de conceitos de Machine Learning:
Aprendizado supervisionado e não supervisionado
Overfitting / Underfitting
Bias / Variance
Familiaridade com métricas de avaliação (precision, recall, F1, etc.).
Entendimento claro de embeddings e similaridade semântica.
GenAI / LLMs
Experiência prática com LLMs em ambiente de produção.
Domínio de conceitos como:
Tokens
Context window
Temperature, top-p
Clareza sobre quando usar:
Prompt simples
RAG
Fine-tuning
Agentes
Experiência com Spring AI e/ou LangChain4j.
Engenharia de Prompt (nível profissional)
Capacidade de estruturar prompts complexos e versionáveis.
Uso consciente de:
System prompts
Few-shot / zero-shot
Controle de estado e contexto
Mitigação de:
Hallucination
Prompt injection
Separação clara entre regra de negócio e comportamento do modelo.
Dados & Persistência
Experiência com bancos relacionais (PostgreSQL).
Experiência ou familiaridade com bancos vetoriais:
pgvector
Qdrant
Pinecone ou similares
Uso de cache (Redis) para:
Otimização de custo
Performance
Rate limit
MLOps / LLMOps
Versionamento de:
Prompts
Modelos
Pipelines
Estratégias de deploy com rollback.
Monitoramento de:
Drift
Latência
Custo por feature ou tenant
Avaliação contínua de qualidade (offline e online).
Segurança & Governança
Boas práticas relacionadas a:
LGPD / PII
Sanitização de dados enviados ao LLM
Controle de acesso e escopo
Guardrails pré e pós processamento
Diferenciais (contam muito)
Experiência com sistemas SaaS B2B e multi-tenant.
Experiência com arquitetura orientada a eventos.
Uso de modelos open-source / locais.
Experiência com Kubernetes e observabilidade (OpenTelemetry).
Capacidade de mentorar outros engenheiros.
Forte visão de produto e negócio.
O perfil que buscamos
Mentalidade de engenharia: robustez antes de hype.
Capacidade de tomar decisões técnicas com base em trade-offs reais.
Comunicação clara com times técnicos e não técnicos.
Responsabilidade sobre impacto, custo e qualidade.
Visão crítica: nem todo problema deve ser resolvido com IA.
O que não buscamos
Uso indiscriminado de LLMs.
Soluções sem observabilidade ou controle de custo.
Acoplamento de regra de negócio dentro de prompts.
Dependência excessiva de frameworks sem entender fundamentos.