[Job-31453]Senior ML Engineer (B2B Personalization), Brasil
Ci&T · Remoto, BR
Na CI\&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI\-native e tech\-integrated business solutions. Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data \& AI, martech e business strategy. Somos 8\.000 CI\&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias. **Importante**: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente. Estamos explorando uma nova capability de personalização inteligente de ofertas e experiências para clientes B2B — contas empresariais com múltiplos pontos de contato, contratos de serviço recorrente e ciclos de decisão que combinam uso operacional, relacionamento comercial e atendimento (por exemplo: gestão de frotas comerciais, contratos B2B de serviço continuado, operações com múltiplas unidades). Nossos clientes deixam continuamente sinais — telemetria/uso operacional, histórico comercial (CRM), atendimento e serviço, frequência, jornada e intenção. Queremos transformar esses sinais em inteligência capaz de reconhecer padrões, identificar similaridades entre contas e, principalmente, adaptar dinamicamente a oferta e a experiência para cada uma. Estamos procurando uma pessoa que consiga transformar essa hipótese em um experimento real, mensurável e evolutivo — validado primeiro em ambiente controlado (sandbox / PoC) antes de qualquer decisão de escala ou produção. Não buscamos alguém para simplesmente construir um modelo de clustering. “Conseguimos transformar comportamento e histórico de uma conta B2B em decisões melhores sobre a oferta e a experiência comercial?” **Responsabilidades:** Você será responsável por conduzir tecnicamente o primeiro ciclo dessa capability, desde a exploração dos dados até a construção de um protótipo funcional e sua validação em ambiente controlado. * Explorar grandes volumes de dados comportamentais e operacionais de contas B2B. * Identificar padrões e similaridades entre contas/clientes empresariais. * Experimentar técnicas de clustering, embeddings e representação comportamental. * Construir features e representações capazes de capturar contexto operacional, comercial e de atendimento. * Desenvolver modelos de propensity, recommendation ou next\-best\-action quando fizer sentido. * Explorar uso de IA generativa/agentic para transformar recomendações em ações concretas (ex: geração de propostas comerciais personalizadas). * Transformar insights analíticos em decisões aplicáveis à oferta/experiência comercial. * Construir rapidamente protótipos e MVPs em ambiente sandbox/controlado. * Desenhar experimentos controlados e frameworks de medição de impacto — mesmo quando a execução completa em produção ficar para uma fase posterior. * Medir impacto e uplift projetado. * Estabelecer mecanismos de feedback para evolução dos modelos. * Trabalhar próximo de Product, UX, arquitetura/engenharia de IA e especialistas de negócio. * Ajudar a definir, junto à arquitetura, o caminho de evolução do protótipo para uma capability escalável. **Requisitos:** * Machine Learning aplicado a problemas reais. * Clustering e técnicas de aprendizado não supervisionado. * Feature engineering. * Recommendation systems. * Propensity modeling. * Similarity models. * Embeddings e representação de comportamento. * Avaliação e experimentação de modelos. Será valorizada familiaridade com K\-Means, hierarchical clustering, DBSCAN/HDBSCAN, Gaussian Mixture Models, PCA/UMAP, vector embeddings e nearest\-neighbor / similarity search. Mais importante que dominar todas essas técnicas é saber quando utilizá\-las, quando não utilizá\-las e como provar se elas geram valor. \*Data Engineering\* * SQL avançado. * Python. * Pipelines de dados e feature pipelines. * Processamento de grandes volumes de dados. * Data lakes / warehouses. * Dados estruturados e eventos comportamentais/operacionais. * APIs e serviços para disponibilização de modelos. Não precisa ser um Data Engineer especializado em infraestrutura, mas deve conseguir sair da análise exploratória e chegar a um protótipo funcionando. IA Generativa \& Agentic (diferencial forte) * Uso de LLMs para geração de texto/recomendação contextualizada (ex: propostas comerciais personalizadas por conta). * Noção de arquiteturas agente\-a\-agente (A2A) e protocolos abertos de orquestração (MCP) — não precisa ser especialista, mas deve saber colaborar com a arquitetura que os implementa. \*Experimentação\* Essa posição exige forte orientação a hipóteses. Você deverá saber transformar uma suposição sobre comportamento em uma hipótese testável, criar uma intervenção, estabelecer grupo de controle e medir impacto. * A/B testing. * Experiment design. * Causal inference. * Uplift. * Métricas de