Senior AI Engineer

1.Sobre a Marisa.Care

Em 2025 crescemos 11x, atuando nas principais redes do Brasil, como Rede D’Or e Hospitales MAC, iniciando nossa internacionalização com uma rede hospitalar no México. Fomos acelerados pela Microsoft for Startups, participamos do NVIDIA Inception e nossa última rodada foi de R$ 8M, liderada pela Afya.

2.Descrição da Vaga

Procuramos um(a) engenheiro(a) de IA com experiência em levar modelos do protótipo à produção. A base da carreira é engenharia de software robusta aplicada à arquitetura e escala de soluções com LLMs, RAG e APIs inteligentes. A missão do papel é integrar engenharia sólida e o estado-da-arte em IA para criar produtos que aprendem, interagem e resolvem problemas de maneiras novas, com foco em agentes conversacionais.

• Arquitetar, desenvolver e escalar serviços e microserviços para inferência de LLMs e agentes conversacionais (texto/voz)

• Projetar e operar pipelines RAG (ingestão, chunking, indexação, embeddings, buscas híbridas) com vetores/KBs

• Implementar tool/function calling, planners, memória de longo prazo e orquestração multi-agente

• Desenvolver APIs e integrações para múltiplos canais (web, mobile, WhatsApp, voz) e sistemas de terceiros

• Estabelecer observabilidade (tracing, logs, métricas), avaliações (A/B, offline evals) e guardrails (segurança, toxicidade, PII)

• Otimizar performance e custo (latência, throughput, caching, batching, quantização/streaming quando aplicável)

• Estruturar e operar plataformas de MLOps (feature stores, model registry, experiment tracking, serving e monitoramento)

• Gerenciar versionamento de dados, modelos e artefatos com ferramentas como MLflow, DVC ou equivalentes

• Implementar pipelines de retreinamento contínuo, drift detection e monitoramento de performance em produção

• Definir critérios objetivos de promoção e rollback de modelos com base em métricas de negócio e técnicas

• Integrar pipelines de ML/AI em fluxos CI/CD, garantindo reprodutibilidade e rastreabilidade de experimentos

• Conduzir análises exploratórias, feature engineering e seleção de variáveis para problemas supervisionados e não supervisionados

• Desenvolver e avaliar modelos de classificação, regressão, clustering e anomalia com rigor estatístico

• Construir pipelines híbridas que combinem modelos clássicos (ML) com componentes generativos (LLMs/embeddings)

• Aplicar técnicas de interpretabilidade (SHAP, LIME) e validação rigorosa (cross-validation, backtesting)

• Traduzir problemas de negócio em formulações de modelagem adequadas, com sentido crítico sobre quando não usar IA

• Projetar e manter pipelines de dados robustos (ETL/ELT) para alimentar tanto modelos clássicos quanto sistemas RAG

• Garantir qualidade, governança e rastreabilidade de dados com boas práticas de data contracts e catalogação

• Colaborar com produto e dados para transformar problemas reais em soluções de IA confiáveis em produção

• Facilitar workshops, refinamentos técnicos e decisões de arquitetura com stakeholders não-técnicos

• Escrever testes automatizados, revisar código e contribuir para padrões de qualidade e CI/CD

• Sólida experiência em engenharia de software back-end (Python e/ou Node.js), APIs REST/gRPC e microsserviços

• Vivência em cloud (Azure/AWS/GCP), Docker/Kubernetes, versionamento (Git) e pipelines CI/CD

• Experiência prática com LLMs em produção e RAG (ex.: LangChain/LangGraph)

• Domínio de bibliotecas de ML/DS: scikit-learn, XGBoost/LightGBM, pandas, numpy e equivalentes

• Experiência com plataformas MLOps (MLflow, Databricks, SageMaker ou similares) e experiment tracking

• Conhecimento de mensageria/eventos (ex.: Kafka/RabbitMQ), cache e bancos (SQL/NoSQL/vetoriais)

• Noções de segurança/privacidade (mascaramento de dados, PII) e conformidade (ex.: LGPD)

• Senso crítico aguçado para avaliar tradeoffs de implantação: custo, latência, risco e manutenibilidade

• Excelente comunicação técnica e não-técnica — sabe explicar modelos para o negócio e decisões de negócio para o time

• Perfil de facilitador: conduz cerimônias técnicas, documenta decisões e promove alinhamento entre times

• Experiência com agentes conversacionais em produção (WhatsApp, voice bots, contact center) em startups brasileiras

• Tracing/evals de LLM (ex.: Langfuse, Promptfoo, Ragas, DeepEval) e guardrails (políticas/safety)

• Fine-tuning/LoRA, embeddings proprietários, re-rankers e busca híbrida (BM25 + densa)

• Experiência com aprendizado não supervisionado aplicado a negócios

• Pipelines híbridas combinando modelos preditivos clássicos com componentes generativos

• Contribuições open source e participação ativa em comunidades de IA/engenharia

• Experiência prévia como tech lead, referência técnica ou mentor em times de dados/AI