Senior ML Engineer (B2B Personalization), Brasil

CI&T; Brasil; Presencial; BRL 200 000 - 360 000; Tempo integral

Vantagens oferecidas por esta oferta de emprego

Plano de saúde

Vale alimentação

Licença parental

PLR

CI&T University

Bem-estar

Resumo da oferta

A CI&T está buscando um(a) Cientista de Dados / Engenheiro(a) de IA para liderar o ciclo inicial desta capability de personalização B2B. Você explorará grandes volumes de dados, identificará padrões, construirá protótipos funcionais e validará hipóteses em ambiente sandbox.

Trabalhará próximo a Produto, UX e Engenharia de IA, desenhando experimentos, métricas de impacto e fluxos de feedback para evoluir a solução até uma capability escalável, com foco em IA generativa, recomendação e

Qualificações

• Machine Learning aplicado a problemas reais.

Responsabilidades

• Explorar grandes volumes de dados comportamentais e operacionais de contas B2B.

Conhecimentos

ML aplicado

Clustering

Feature engineering

Recommendation systems

Propensity modeling

Similarity models

Embeddings

Experimentation

A/B testing

Ferramentas

SQL avançado

Python

Pipelines de dados

APIs

Descrição da oferta de emprego

Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions.

Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.

Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias.

Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.

Estamos explorando uma nova capability de personalização inteligente de ofertas e experiências paraclientes B2B — contas empresariais com múltiplos pontos de contato, contratos de serviço recorrente eciclos de decisão que combinam uso operacional, relacionamento comercial e atendimento (por exemplo: gestão de frotas comerciais, contratos B2B de serviço continuado, operações com múltiplasunidades).
Nossos clientes deixam continuamente sinais — telemetria/uso operacional, histórico comercial (CRM), atendimento e serviço, frequência, jornada e intenção. Queremos transformar esses sinais eminteligência capaz de reconhecer padrões, identificar similaridades entre contas e, principalmente,
adaptar dinamicamente a oferta e a experiência para cada uma.
Estamos procurando uma pessoa que consiga transformar essa hipótese em um experimento real,mensurável e evolutivo — validado primeiro em ambiente controlado (sandbox / PoC) antes dequalquer decisão de escala ou produção.
Não buscamos alguém para simplesmente construir um modelo de clustering.
“Conseguimos transformar comportamento e histórico de uma conta B2B em decisões melhoressobre a oferta e a experiência comercial?”

Responsabilidades:

Você será responsável por conduzir tecnicamente o primeiro ciclo dessa capability, desde a exploração dos dados até a construção de um protótipo funcional e sua validação em ambiente controlado.

• Explorar grandes volumes de dados comportamentais e operacionais de contas B2B.
• Identificar padrões e similaridades entre contas/clientes empresariais.
• Experimentar técnicas de clustering, embeddings e representação comportamental.
• Construir features e representações capazes de capturar contexto operacional, comercial e de atendimento.
• Desenvolver modelos de propensity, recommendation ou next-best-action quando fizer sentido.
• Explorar uso de IA generativa/agentic para transformar recomendações em ações concretas (ex: geração de propostas comerciais personalizadas).
• Transformar insights analíticos em decisões aplicáveis à oferta/experiência comercial.
• Construir rapidamente protótipos e MVPs em ambiente sandbox/controlado.
• Desenhar experimentos controlados e frameworks de medição de impacto — mesmo quando a execução completa em produção ficar para uma fase posterior.
• Medir impacto e uplift projetado.
• Estabelecer mecanismos de feedback para evolução dos modelos.
• Trabalhar próximo de Product, UX, arquitetura/engenharia de IA e especialistas de negócio.
• Ajudar a definir, junto à arquitetura, o caminho de evolução do protótipo para uma capability escalável.

Requisitos:

• Machine Learning aplicado a problemas reais.
• Clustering e técnicas de aprendizado não supervisionado.
• Feature engineering.
• Recommendation systems.
• Propensity modeling.
• Similarity models.
• Embeddings e representação de comportamento.
• Avaliação e experimentação de modelos.

Será valorizada familiaridade com K-Means, hierarchical clustering, DBSCAN/HDBSCAN, Gaussian Mixture Models, PCA/UMAP, vector embeddings e nearest-neighbor / similarity search. Mais importante que dominar todas essas técnicas é saber quando utilizá-las, quando não utilizá-las e como provar se elas geram valor.

Data Engineering

• SQL avançado.
• Python.
• Pipelines de dados e feature pipelines.
• Processamento de grandes volumes de dados.
• Data lakes / warehouses.
• Dados estruturados e eventos comportamentais/operacionais.
• APIs e serviços para disponibilização de modelos.

Não precisa ser um Data Engineer especializado em infraestrutura, mas deve conseguir sair da análise exploratória e chegar a um protótipo funcionando.

IA Generativa & Agentic (diferencial forte)

• Uso de LLMs para geração de texto/recomendação contextualizada (ex: propostas comerciais personalizadas por conta).
• Noção de arquiteturas agente-a-agente (A2A) e protocolos abertos de orquestração (MCP) — não precisa ser especialista, mas deve saber colaborar com a arquitetura que os implementa.

Experimentação

Essa posição exige forte orientação a hipóteses. Você deverá saber transformar uma suposição sobre comportamento em uma hipótese testável, criar uma intervenção, estabelecer grupo de controle e medir impacto.

• A/B testing.
• Experiment design.
• Causal inference.
• Uplift.
• Métricas de negócio.
• Análise estatística.
• Model evaluation.
• Feedback loops.

Dado o ciclo de venda B2B mais longo e a base de contas geralmente menor que em cenários B2C, nem sempre será possível rodar um A/B test real dentro do primeiro ciclo de validação. Nesses casos, o entregável esperado é o framework de experimentação desenhado e pronto para rodar assim que uma fase de escala for aprovada — não a execução completa em produção.

O diferencial:

Queremos alguém que consiga conectar:

• Behavior → Context → Intelligence → Decision → Experience → Outcome
• e não apenas:
• Data → Model → Prediction

Você deverá ser capaz de discutir perguntas como:

• O que caracteriza o comportamento de uma conta B2B?
• Quais sinais são realmente relevantes?
• Clusters descobertos estatisticamente fazem sentido para o negócio?
• Como identificar mudanças de comportamento?
• Como combinar histórico com contexto operacional em tempo real?
• Como transformar uma similaridade em uma decisão?
• Como decidir qual oferta/experiência apresentar?
• Como medir se a personalização realmente funciona?
• Como evitar que a personalização gere apenas mais complexidade?
• Como criar um feedback loop que permita ao sistema aprender continuamente?

Conhecimentos desejáveis

• Customer Data Platforms.
• Personalization engines.
• Recommendation systems.
• Real-time decisioning.
• Marketing technology.
• Digital products.
• B2B / mobilidade / gestão de frotas (desejável, não obrigatório).
• Experimentation platforms.
• Feature stores.
• Vector databases.
• MLOps.
• Real-time ML.

Perfil que procuramos

• Forte curiosidade intelectual.
• Orientação a experimentação.
• Capacidade de trabalhar com problemas pouco definidos.
• Capacidade de transformar hipóteses em protótipos.
• Boa transição entre Data Science, Engineering e Product.
• Pragmatismo para colocar algo funcionando rapidamente.
• Capacidade de distinguir complexidade técnica de valor para o cliente.
• Habilidade para explicar conceitos sofisticados de forma simples para stakeholders de negócio.
• Mentalidade de produto.
• Conforto trabalhando em ambientes de alta ambiguidade.

Benefícios:

• Plano de saúde e odontológico;
• Vale alimentação e refeição;
• Licença parental estendida;
• Parceria com academias e profissionais de saúde e bem-estar via Wellhub (Gympass) TotalPass;
• Participação nos Lucros e Resultados (PLR);
• Plataforma de aprendizagem contínua (CI&T University);
• Plataforma online gratuita dedicada à promoção da saúde física, mental e bem-estar;
• Curso gestante e parentalidade responsável;
• E muitos outros

Mais detalhes sobre os nossos benefícios aqui: https://ciandt.com/br/pt-br/carreiras

Na CI&T, a inclusão começa no primeiro contato. Se você é pessoa com deficiência, é importante apresentar o seu laudo durante o processo seletivo. Consulte quais dados são necessários conter no laudo clicando aqui. Assim, podemos garantir o suporte e as adaptações que você merece. Se ainda não tem o laudo caracterizador, não se preocupe: podemos te apoiar para obtê-lo.

Temos um time dedicado de Saúde e Bem-estar, especialistas em inclusão e grupos de afinidade que estarão com você em todas as etapas. Conte com a gente para fazer essa jornada lado a lado.