Engenheiro(a) de IA Pleno (Assistente Interno com LLM no Varejo)

confidential; United States; Remote; USD 90,000 - 130,000; Full time

Benefits offered by this job

Ambiente colaborativo

Trabalho remoto total

Conexão global com equipes multiníveis

TotalPass e Mediquo

Team Care

Contrato CLT ou PJ definido

Job summary

A Sylision busca engenheiro(a) de IA Pleno para desenvolver um assistente interno com LLM para varejo. O projeto envolve recuperação de informações, citação de fontes, controle de acesso por perfil e avaliação de respostas com base em documentos oficiais.

Você irá projetar, implementar e manter o pipeline de ingestão, indexação e resposta, com foco na qualidade das respostas e conformidade com LGPD, trabalhando em um ambiente remoto 100% e com modelos abertos em ambiente próprio.

Qualifications

• Solidez em Python e construção de serviços com FastAPI.
• Experiência com técnicas de Recuperação de Informação (RAG) e embeddings.
• Conhecimento de LangChain ou orquestração similar para pipelines de LLMs.
• Experiência com gestão de dados e privacidade (LGPD).

Responsibilities

• Construir assistente interno com LLM para respostas baseadas em documentos internos.
• Implementar recuperação de informações com citação de fonte e controle de acesso por perfil.
• Gerenciar ingestão, indexação de documentos e versionamento de regras.
• Expose API com FastAPI, incluindo logs úteis e controle de custo por conversa.
• Avaliar respostas com conjunto de referências e corrigir falhas na base ou no prompt.

Skills

Python

FastAPI

RAG

LangChain

Embeddings

Docker

Git

LGPD / privacidade de dados

Tools

Vector DB

Job description

Vaga aberta de Engenheiro(a) de IA Pleno (Assistente Interno com LLM no Varejo). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: pleno.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sobre a vaga:

Uma rede de lojas tem manual de operação, política de troca, regras de promoção e procedimento de fechamento de caixa espalhados em PDFs, planilhas e páginas internas. Gerente de loja e atendente perdem tempo procurando a resposta, e muitas vezes aplicam a regra errada. Você vai construir um assistente interno com modelo de linguagem que responde a essas perguntas com base nos documentos oficiais e mostra de onde veio cada resposta.

O que decide o sucesso é a qualidade do que o assistente recupera e a honestidade do que ele responde. Documento desatualizado convive com o novo, a política de uma promoção vale só em algumas regiões, a pergunta vem com abreviação de loja. Quando a base não cobre a dúvida, o assistente precisa dizer que não sabe e indicar a quem perguntar, em vez de inventar uma regra. Também é preciso respeitar permissão: o que serve a um gerente regional pode não servir ao atendente.

Você mede o resultado com um conjunto de perguntas reais, fidelidade ao documento, taxa de recusa correta, latência, custo por conversa e reclamações de resposta errada. Entrega uma frente inteira, do pipeline de documentos à API.

O que você vai fazer:

• Montar o pipeline de ingestão, divisão e indexação dos documentos internos
• Implementar a recuperação e a geração de respostas com citação da fonte
• Tratar versão de documento e vigência de regra para não servir norma antiga
• Aplicar controle de acesso por perfil na busca e na resposta
• Fazer o assistente recusar quando a base não sustenta a resposta
• Criar o conjunto de avaliação com perguntas reais das lojas e rodá-lo a cada mudança
• Expor o serviço em API com FastAPI, logs úteis e controle de custo por conversa
• Analisar as conversas com baixa nota e corrigir a causa na base ou no prompt

Requisitos:

• Python sólido e construção de serviço em FastAPI
• Aplicação de RAG: divisão de texto, embeddings, busca vetorial e reordenação
• Prompts e controle de saída de modelos de linguagem
• Avaliação de respostas com conjunto de referência e critério definido
• Docker e Git no fluxo normal de trabalho
• Cuidado com dados internos e com a LGPD ao registrar conversas

Diferenciais:

• Uso de LangChain ou de alternativa leve para orquestrar a cadeia
• Banco vetorial em produção, com ajuste de índice e de filtroNoção de rotinas de loja: troca, devolução, fechamento e inventário
• Observabilidade de chamadas a modelos, com rastreio de custo e latência
• Modelos abertos rodando em ambiente próprio

Como é trabalhar aqui:

Vaga 100% remota, com contratação CLT, para cliente da Sylision com sede em São Paulo, SP. O assistente é acompanhado por amostra semanal de conversas lidas pelo time, e cada correção entra no conjunto de avaliação. A revisão de código é obrigatória, e mudança de prompt segue o mesmo caminho de uma mudança de código.

Benefícios oferecidos pela empresa contratante:

• Ambiente colaborativo, com senso de comunidade e conquistas celebradas em equipe
• Trabalhe de qualquer lugar, com liberdade e flexibilidade
• Conexão global: convivência com times de diferentes países e culturas
• Apoio à saúde física com TotalPass e Mediquo
• Cuidado com a saúde mental pelo programa Team Care
• Contratação e jornada definidas com a empresa contratante

Tecnologias envolvidas:

• Python
• LLMs
• RAG
• LangChain
• Banco vetorial
• FastAPI
• Docker
• Git
• Avaliação de respostas

Seus dados: tratados conforme a LGPD, com remoção a qualquer momento, a pedido.