Engenheiro de Dados de Agentes Pleno

ficam entre a pessoa e o dado. Nossos clientes industriais têm muita

informação, espalhada, em vários sistemas. Nós transformamos essa informação em

ação.

Um agente resolve isso quando consulta os dados certos,

encontra o documento certo e responde sem inventar. Por baixo da conversa

existe um sistema distribuído. O modelo decide qual ferramenta chamar. As

ferramentas precisam devolver o número certo. Os documentos precisam ser

encontrados e citados. A resposta pode levar minutos e não pode se perder se a

pessoa fechar a aba. E o consumo de tokens vira custo.

Nossos engenheiros de agentes constroem essa camada, com

objetivo é transformar pipeline, métrica e documento em ferramentas que o

modelo usa, monitorar as ferramentas, chamadas, performance dos nossos agentes

de IA.

Responsabilidades e atribuições

• Expor

  dados e métricas de negócio como ferramentas que o agente pode chamar, com

  contrato claro e controle de acesso.

• Construir

  pipelines de ingestão de documentos, com chunking, geração de embeddings e

  busca vetorial.

• Garantir

  que toda resposta do agente seja rastreável até a fonte que a originou.

• Operar

  o runtime das conversas, incluindo execução assíncrona, streaming da

  resposta e memória entre turnos.

• Medir

  consumo de tokens, custo e latência de cada execução.

• Escrever

  avaliações que provem que o agente responde certo e que acusem regressão

  quando algo muda.

• Aplicar

  as regras que definem o que cada agente pode fazer e o que cada pessoa

  pode ver.

Requisitos e qualificações

• Experiência

  de 2 a 4 anos atuando com engenharia de dados ou back-end.

• Python

  sólido em código de produção, com tipagem e testes.

• Experiência

  com SQL e modelagem de dados.

• Experiência

  construindo e consumindo APIs REST.

• Experiência

  com controle de versão usando Git e com containers.

• Ter

  construído alguma coisa com LLM chamando ferramenta, em projeto

  profissional ou pessoal.

• Capacidade

  de investigar uma resposta errada e identificar se o problema foi do

  modelo, da ferramenta ou do dado.

• Capacidade

  de comunicar e discutir soluções técnicas com diferentes perfis.

Requisitos desejáveis

• Experiência

  com LangChain, LangGraph ou outro framework de agentes

• Experiência

  com RAG de ponta a ponta, incluindo chunking, embeddings e bancos

  vetoriais como pgvector

• Conhecimento

  em MCP (Model Context Protocol)

• Familiaridade

  com processamento assíncrono, filas e streaming de resposta

• Conhecimento

  em observabilidade de LLM, como tracing e avaliação automatizada

• Conhecimento

  em cloud (Azure ou AWS)

• Familiaridade

  com n8n ou outra ferramenta de automação de fluxo

• Conhecimento

  em governança de IA, auditoria e tratamento de dados sensíveis