AI Product Engineer

Buscamos uma pessoa para atuar como AI Product Engineer, responsável por transformar capacidades de Inteligência Artificial em produtos, agentes e workflows capazes de resolver problemas reais de negócio.A posição combina engenharia de software, arquitetura, IA aplicada e visão de produto. Não buscamos alguém focado apenas em experimentação com prompts ou criação de provas de conceito. Esperamos uma pessoa capaz de identificar oportunidades, desenhar soluções, implementar produtos e colocá-los efetivamente em produção.Essa pessoa deverá atuar principalmente na construção de AI Agents, agentic workflows, loops de execução, ferramentas internas e produtos baseados em LLMs, integrando modelos de IA a sistemas, APIs, bases de conhecimento e processos existentes.Também esperamos autonomia suficiente para compreender e participar das decisões relacionadas à infraestrutura e operação dessas aplicações, especialmente em ambientes AWS, incluindo aplicações serverless e Lambda Functions.Principais responsabilidades Desenvolvimento de produtos com IA Projetar e desenvolver produtos e funcionalidades baseados em Inteligência Artificial. Transformar necessidades de negócio em soluções utilizando LLMs, agentes, automações e workflows. Desenvolver aplicações completas, considerando frontend quando necessário, backend, integrações, persistência, infraestrutura e camada de IA. Criar rapidamente protótipos para validar hipóteses e evoluí-los para soluções robustas quando houver evidência de valor. Trabalhar próximo às áreas de produto, engenharia e negócio para identificar oportunidades onde IA possa gerar ganhos concretos. Avaliar quando utilizar IA generativa e quando uma solução tradicional de software é mais adequada. Participar de todo o ciclo do produto, desde discovery e experimentação até deployment, observabilidade e evolução em produção. AI Agents Projetar e implementar agentes especializados capazes de executar tarefas utilizando contexto, ferramentas e regras de negócio. Definir responsabilidades, ferramentas, contexto e limites de atuação dos agentes. Desenvolver arquiteturas multi-agent quando houver necessidade real de especialização ou separação de responsabilidades. Criar mecanismos de handoff e coordenação entre agentes. Implementar agentes capazes de interagir com APIs, bancos de dados, sistemas internos e ferramentas externas. Desenvolver estratégias para gerenciamento de contexto, memória e estado. Definir mecanismos de validação e controle para ações executadas por agentes. Criar mecanismos de fallback e recuperação quando uma execução não produzir o resultado esperado. Agentic Workflows e Loops Desenvolver workflows nos quais modelos de IA executem sequências estruturadas de análise, ação, validação e revisão. Construir loops envolvendo etapas como planejamento, execução, avaliação e correção. Implementar workflows com múltiplos passos e decisões condicionais. Projetar processos com human-in-the-loop quando decisões exigirem validação humana. Criar mecanismos de retry, timeout, fallback e tratamento de erros. Trabalhar com workflows síncronos e assíncronos. Definir critérios claros para início, continuidade e encerramento dos loops. Evitar comportamentos indefinidos através de limites operacionais e critérios objetivos de conclusão. Avaliar quando um workflow determinístico é mais adequado do que uma arquitetura totalmente agentic. Prompt Engineering e Context Engineering Projetar prompts estruturados para diferentes tipos de agentes e tarefas. Trabalhar com system prompts, templates, exemplos e instruções estruturadas. Desenvolver estratégias de context engineering, garantindo que cada modelo receba as informações necessárias para sua tarefa. Definir formatos estruturados de entrada e saída. Implementar structured outputs e validações de schema. Criar estratégias para redução de alucinações e aumento da previsibilidade das respostas. Gerenciar context windows e estratégias de recuperação, sumarização e compressão de contexto. Tool Calling e integrações Criar ferramentas que possam ser utilizadas pelos agentes para executar ações em sistemas externos. Integrar modelos com APIs REST, GraphQL, bancos de dados, sistemas corporativos e plataformas SaaS. Implementar Function Calling e mecanismos equivalentes de execução de ferramentas. Desenvolver integrações utilizando padrões como Model Context Protocol (MCP) quando aplicável. Definir contratos claros entre agentes e ferramentas. Implementar autenticação, autorização e controles de acesso. Garantir que agentes possuam apenas as permissões necessárias para suas responsabilidades. RAG e conhecimento Desenvolver soluções utilizando Retrieval-Augmented Generation (RAG). Estruturar pipelines de ingestão, chunking, indexação e recuperação de documentos. Trabalhar com embeddings, busca semântica e bancos vetoriais. Desenvolver estratégias híbridas de busca quando necessário. Avaliar qualidade e relevância do contexto recuperado. Criar mecanismos de rastreabilida