[Job - 30953] Mid Level Ai Data Engineer

Estamos em busca de um AI Data Engineer Pl para se juntar a um time de dados que opera com inteligência artificial de forma nativa. A pessoa combina sólida engenharia de dados, modelagem, camadas analíticas, governança - com o uso de IA como parte central do fluxo de trabalho, não como apoio pontual.

Missão

Transformar dados brutos em produtos de dados confiáveis, documentados e reutilizáveis, garantindo uma fonte única e consistente de informação para o negócio, operando o ciclo de desenvolvimento de forma assistida por IA, com qualidade e segurança em produção.

Responsabilidades Principais

- Desenvolver transformações e modelos analíticos em Azure Databricks, ADF, Fabric e Power BI.

- Construir e manter camadas analíticas (Bronze, Silver, Gold) e Modelos Semânticos orientados ao negócio.

- Traduzir regras de negócio em modelos de dados escaláveis; definir, documentar e padronizar métricas corporativas.

- Garantir qualidade, testes e observabilidade dos dados.

- Apoiar a construção de datasets para Analytics e Agents.

- Operar o SDLC com IA: codagen, testes, refactor e debugging assistidos.

- Estruturar especificações que alimentam a IA (spec-driven development) e manter controle de qualidade sobre os outputs.

- Construir e orquestrar agentes (multi-step, tool usage, planning + execution) integrados a repos, pipelines e APIs.

- Promover boas práticas de modelagem, governança e documentação.

Conhecimentos Necessários - Dados

- SQL avançado

- Modelagem de dados, Data Warehousing / Lakehouse

- Databricks e Python

- Boas práticas de qualidade, governança e documentação

- Versionamento / GitHub

Conhecimentos Necessários - IA & SDLC

- Spec-driven development (especificação como input primário da IA)

- Domínio sólido de SDLC (design → build → test → deploy → operate)

- Uso avançado de IA no desenvolvimento (codegen, testes, refactor, debugging)

- Construção de agentes (multi-step, tool usage, planning + execution)

- Criação de skills reutilizáveis e composição de capacidades

- Integração via MCP (Model Context Protocol) ou equivalente

- Criação de slash-commands / interfaces operacionais baseadas em prompt estruturado

- Orquestração de workflows (multi-agente ou humano + agente)

- Integração com ferramentas (Git, CI/CD, issue tracking, observabilidade)

- Avaliação crítica de outputs de IA (qualidade, segurança, consistência)