Líder Técnico

Ibrowse; São Paulo; Presencial; BRL 200 000 - 350 000; Tempo integral

Vantagens oferecidas por esta oferta de emprego

Plano de saúde

Telemedicina

Wellness/Fitness Program

Day-off de aniversário

Resumo da oferta

A Ibrowse procura um Solutions Architect para apoiar clientes enterprise na adoção de uma plataforma de dados, analytics e IA. O profissional desenhará arquiteturas de referência, guiará decisões técnicas e acelerará implementações que unem engenharia de dados, governança e AI/BI sobre lakehouse.

Você liderará workshops técnicos, definirá padrões de arquitetura e orientará equipes em integrações com múltiplos provedores de modelos, mantendo foco em escalabilidade, segurança e observabilidade.

Qualificações

• Experiência prática construindo aplicações de LLM em produção.
• Domínio de RAG de ponta a ponta: chunking, embeddings, bancos vetoriais, busca híbrida.
• Engenharia de prompts e padrões de design de LLM (few-shot, JSON estruturado).
• Experiência com frameworks de orquestração de agentes e function calling/tools.
• Vivência com Databricks aplicado a GenAI e Spark/SQL.
• Fluência em Python e noções de infraestrutura (Docker, APIs REST).
• Capacidade de avaliação de sistemas de LLM e diagnóstico de falhas.

Responsabilidades

• Desenhar arquiteturas de solução para workloads de data engineering, data warehousing, streaming e IA.
• Conduzir workshops técnicos, discovery sessions e PoCs com stakeholders.
• Apoiar equipes de vendas em ciclos consultivos, articulando valor técnico e de negócio.
• Governaça de dados, IA e integração com múltiplos provedores de modelos.
• Gerenciar custo, roteamento entre modelos e caching de tokens.
• Capacidade de gerar informações analíticas para entender o processo de GENAI.

Conhecimentos

Arquitetura de LLM

RAG end-to-end

Python

Liderança técnica

Ferramentas

LangChain/LangGraph

CrewAI

LlamaIndex

AutoGen

Semantic Kernel

Descrição da oferta de emprego

Estamos buscando um Solutions Architect, para apoiar clientes enterprise na adoção de uma plataforma moderna de dados, analytics e IA. Esta posição será responsável por desenhar arquiteturas de referência, orientar decisões técnicas e acelerar a implementação de soluções que combinam engenharia de dados, data warehousing, governança, AI/BI, agentes de IA e bancos operacionais em um ecossistema unificado. A posição é ideal para quem consiga conectar estratégia de negócio, arquitetura de dados e execução técnica, traduzindo necessidades complexas dos clientes em arquiteturas escaláveis e seguras sobre uma abordagem lakehouse.

Desafio

Atuar como referência técnica junto a clientes e times internos, liderando o desenho de soluções que permitam aos clientes unificar dados, analytics e IA em uma mesma plataforma, com governança centralizada, integração com múltiplas fontes, observabilidade, serving de modelos e uso confiável de agentes de IA sobre dados corporativos

Responsabilidades

• Desenhar arquiteturas de solução para workloads de data engineering, data warehousing, streaming, data sharing, machine learning e IA generativa, considerando desempenho, segurança, escalabilidade e custo.
• Apoiar clientes na adoção de arquiteturas lakehouse, conectando ingestão, transformação, governança, consumo analítico e aplicações orientadas por IA.
• Definir padrões de arquitetura usando capacidades como Lakeflow, Unity Catalog, Databricks SQL, Agent Bricks, AI Gateway, MLflow e Lakebase, conforme o caso de uso.
• Conduzir workshops técnicos, discovery sessions, provas de conceito (PoCs) e avaliações arquiteturais com stakeholders de negócio e tecnologia.
• Apoiar times de vendas e account teams em ciclos consultivos, articulando valor técnico e de negócio para executivos, arquitetos, times de dados e lideranças de IA.
• Orientar clientes em boas práticas de governança para dados e IA, incluindo permissões, lineage, rastreabilidade e controle sobre dados, modelos, dashboards e agentes.
• Apoiar cenários de integração com ecossistemas abertos e múltiplos provedores de modelos, evitando lock-in excessivo e maximizando flexibilidade arquitetural.
• Produzir artefatos técnicos reutilizáveis, como blueprints, reference architectures, best practices, playbooks de migração e recomendações de modernização.

O que você vai fazer

• Arquitetar o ecossistema de GenAI da solução, escolhendo o padrão certo para cada problema: chatbots com capacidade comparável à dos grandes fornecedores (OpenAI, Claude, Gemini), uso intensivo de tools específicas por modelo e fluxos determinísticos para responder a perguntas complexas que envolvem cálculos precisos.
• Operar a camada conversacional: autenticação, controle de acesso (RBAC e ABAC), gestão de múltiplos modelos/provedores e governança de conversas.
• Projetar os processos de busca, combinando busca determinística (NL2SQL) com busca semântica/RAG (vetorial e híbrida), garantindo que aquilo que não pode errar seja tratado por código - e não pela "criatividade" do modelo.
• Especificar e integrar agentes e ferramentas (function calling / tools, MCP): quais ações o agente pode executar, tratamento de falhas, limites de autonomia e supervisão humana em ações sensíveis.
• Coordenar a plataforma de dados e serving no Databricks (Vector Search, Mosaic AI, model serving, Unity Catalog): versionamento, atualização e permissões dos dados que alimentam o RAG.
• Garantir avaliação e observabilidade do ecossistema: qualidade das respostas, fidelidade às fontes, alucinação, custo por interação (tokens), latência e escalabilidade.
• Definir guardrails e segurança: prevenção de prompt injection, mascaramento de PII, filtros de conteúdo e conformidade (LGPD, AI Act).
• Gerir custo e escolha de modelo: roteamento entre modelos, caching e controle de consumo de tokens.
• Alinhar expectativas de stakeholders, comunicando progresso, limitações e trade‑offs de forma clara para públicos técnicos e não técnicos.
• Capacidade de gerar informações analíticas: para ajudar a entender o que ocorre por todo processo de serviços de GENAI.

O que buscamos

• Experiência prática construindo aplicações de LLM em produção (não apenas provas de conceito).
• Domínio de RAG de ponta a ponta: chunking, embeddings, bancos vetoriais, busca híbrida, busca determinística, NL2SQL, arquitetura de agente, reranking e diagnóstico de falhas de recuperação.
• Engenharia de prompts e padrões de design de LLM (few-shot, structured output/JSON, chain-of-thought).
• Experiência com frameworks de orquestração de agentes (LangChain/LangGraph, CrewAI, Agno, LlamaIndex, AutoGen, Semantic Kernel ou similares) e com function calling / tools / skills.
• Vivência com Databricks aplicado a GenAI (Vector Search, Mosaic AI, Unity Catalog) e base de Spark/SQL.
• Clareza sobre a fronteira entre o determinístico e o probabilístico — saber onde o código previsível termina e o LLM começa.
• Fluência em Python e noções de infraestrutura (Docker, APIs REST, deploy de serviços).
• Capacidade de avaliar sistemas de LLM (suítes de teste, LLM-as-a-judge com cautela, testes de regressão).
• Perfil de liderança técnica: coordenar equipe, priorizar e traduzir necessidades de negócio em solução técnica.

Diferenciais

• Experiência com plataformas corporativas como OpenAI, Claude, Gemini e Perplexity.
• Familiaridade com MCP (Model Context Protocol) e arquiteturas multiagente.
• Uso de ferramentas de observabilidade de LLM (Langfuse, LangSmith ou equivalentes).
• Experiência com segurança de GenAI (prompt injection, escopo de assistentes, dados não confiáveis).
• Conhecimento de governança de dados e conformidade regulatória aplicada a IA.
• Estratégia multiplouvedor e otimização de custo em escala.
• Conhecimento em ferramentas de análise de dados para geração de dashboard e cockpits.

Benefícios

• PJAusência remunerada 30 dias Plano de Saúde conveniado(desconto no valor total e redução de carências)
• Wellhub(Gympass) ou Totalpass;
• Programa de bem-estar;
• Serviço de telemedicina;
• Clubes de benefícios;
• Day-off de aniversário;