Engenheiro de IA Pleno (foco desenvolvimento de agentes)

Descrição da vaga

Seção:

Na Franq Open Banking, estamos liderando uma revolução no setor financeiro, criando produtos inovadores que democratizam o acesso a serviços bancários e transformam a experiência dos nossos clientes. Como startup, valorizamos a criatividade, a colaboração e a busca por soluções disruptivas.

Buscamos um Engenheiro de IA Pleno para fortalecer nossa equipe de dados em projetos de IA generativa acelerando o desenvolvimento de nossas soluções de AI. Além disso, você também irá garantir a manutenção de soluções em produção e otimizar fluxos de agentes inteligentes baseados em Gemini, garantindo robustez, performance e inovação em um ambiente fintech dinâmico.

A vaga é para atuação em modelo presencial. Acreditamos que o contato direto é fundamental para a nossa dinâmica empresarial, pois favorece trocas mais ricas e colaborativas entre as equipes, tanto técnicas quanto de negócio.

Vamos buscar o extraordinário juntos? 🚀

Seção:

Seção:

O seu papel será:

• Desenvolvimento Ágil de Agentes: Projetar e implementar fluxos complexos de agentes usando LangGraph, integrando Vertex AI (Gemini) com FastAPI para APIs.
• Manutenção e Observabilidade: Gerenciar projetos em produção via LangServe e LangFuse, monitorando métricas, debugando falhas e otimizando para escalabilidade.
• Engenharia de Prompt Avançada: Refinar prompts e chains para "domar" LLMs, garantindo precisão em tarefas como automação e análise preditiva no contexto fintech.
• Colaboração Estratégica: Trabalhar com tech leads, negócio e dados para alinhar arquiteturas de IA às prioridades da empresa, propondo inovações ágeis.
• Escalabilidade da Equipe: Apoiar expansão de projetos, documentando arquiteturas e treinando juniors durante ausências ou crescimento.
• Deploy e Inovação: Garantir deploys suaves, explorar updates em GenAI e contribuir para um ambiente de alta autonomia em startup.
• Desenvolvimento de Novos Projetos: Participar ativamente do ciclo completo de novos projetos de GenAI, desde a concepção e experimentação (prompt engineering, avaliação) até a implementação para produção, aplicando os aprendizados dos projetos anteriores.

Seção:

O que esperamos que você tenha:

• Expertise em GenAI: Pelo menos 1 ano de experiência em arquitetura e orquestração de agentes e prompt engineering com LLMs em produção.
• Familiaridade com o Stack de IA Moderno: Experiência prática com frameworks para orquestração de agentes e chains, como LangChain, LangGraph ou LlamaIndex.
• Experiência com Orquestradores: Vivência prática com LangGraph ou ferramentas de orquestração de estados/agentes, entendendo como gerenciar memória e persistência.
• Cultura de Observabilidade: Habilidade em implementar logs estruturados e ferramentas de monitoramento para sistemas que não são determinísticos.
• Resolução Complexa: Capacidade de mapear problemas de negócio para arquiteturas de IA robustas e escaláveis.
• Mindset Ágil: Perfil hands-on, pró-ativo e com capacidade de trabalhar com autonomia em um ambiente dinâmico de startup com foco em entregas rápidas e adaptação a mudanças dinâmicas.
• Comunicação Técnica: Habilidade para apresentar arquiteturas de IA a stakeholders não técnicos de forma clara.
• Modelo Presencial: Disponibilidade para atuar presencialmente em Florianópolis, colaborando diretamente com o time.

Seção:

Você irá se destacar se tiver:

• Engenharia de Sistemas: Experiência com microsserviços, observability e integração de modelos generativos em ambientes cloud.
• Fintech ou Regulado: Experiência em open banking, compliance ou dados sensíveis no setor financeiro brasileiro.
• Familiaridade com RAG: Conhecimento em técnicas de otimização de busca vetorial e re-ranking de documentos.
• Desenvolvimentos/aplicação de AI em plataformas de atendimento ao cliente (contact center) e CRM.
• Portfólio Visível: Projetos pessoais/open source com LangGraph, RAG ou agentes multi-step em repositórios GitHub.
• Ferramentas Complementares: Conhecimento em LlamaIndex, Streamlit ou CrewAI para protótipos rápidos.
• Práticas de MLOps/LLMOps: Familiaridade com conceitos de versionamento de modelos/prompts, pipelines de deploy, monitoramento de modelos e experimentação.
• Mentalidade de Produto: Conseguir olhar para a tecnologia e entender como ela resolve a dor real do nosso cliente final.