[Job-31455] AI Engineer & Software Architect, 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. Em paralelo à exploração de uma nova capability de personalização inteligente para clientes B2B, precisamos de alguém que estruture a arquitetura que conecta os modelos e protótipos aos sistemas corporativos existentes — plataformas de dados comportamentais/transacionais, CRM, gateway corporativo de LLMs — com segurança, compliance e zero lock\-in de fornecedor. Não buscamos alguém para desenhar uma plataforma completa antes de o protótipo provar valor. “Conseguimos transformar um protótipo validado em uma arquitetura confiável, seguindo os requisitos de segurança do cliente, sem amarrar a solução a um único fornecedor?” **Responsabilidades:** * Desenhar a arquitetura conceitual do protótipo (PoC) e seu caminho de evolução para capability escalável. * Avaliar feasibility técnica e de dados junto ao papel de Data Science/AI Engineer do time. * Garantir integração segura com sistemas corporativos existentes (CRM, plataformas de dados comportamentais/transacionais, gateway corporativo de LLMs). * Aplicar padrões abertos de orquestração de agentes (MCP, princípios A2A) evitando lock\-in de fornecedor. * Registrar decisões arquiteturais via ADR (Architecture Decision Record), com alternativas e trade\-offs explícitos. * Garantir compliance de segurança e dados (mascaramento de PII, controle de acesso, auditoria de decisões). * Colaborar com Data Science, Product e especialistas de negócio para transformar hipótese validada em arquitetura sustentável. * Estimar custo de inferência e viabilidade de escala (FinOps) para subsidiar a decisão de Go/No\-Go. * Preparar handoff técnico caso a iniciativa avance para um time de delivery em escala. **Requisitos:** Arquitetura \& Engenharia de IA * Experiência sólida em arquitetura de sistemas de IA/ML em produção ou pré\-produção. * Design de sistemas distribuídos, APIs e integrações entre plataformas. * Avaliação de trade\-offs entre soluções built vs. buy vs. prototype. * Modelagem de arquitetura conceitual e evolutiva — não apenas o estado final. Cloud \& Dados * Experiência com plataformas cloud (GCP e/ou equivalentes AWS/Azure). * Data warehouses/lakes, pipelines de dados e feature pipelines. * Integração com gateways corporativos de LLM (proxy multi\-modelo: OpenAI, Gemini, Claude etc.). * Vector databases e arquiteturas RAG (Retrieval\-Augmented Generation), quando aplicável. Governança \& Compliance * Segurança de API (SAST/DAST), compliance de dados e privacidade (mascaramento, LGPD/GDPR). * Prática de decisões versionadas (ADR) sem burocratizar o processo. * Zero\-trust e zero lock\-in como princípios de design. Orquestração de agentes (diferencial) * MCP (Model Context Protocol) e princípios A2A (Agent\-to\-Agent). * Experiência coordenando múltiplos agentes especializados (ex: ingestão, síntese, validação de conhecimento). O diferencial: pensar além da arquitetura final Queremos alguém que consiga conectar: Protótipo validado Integração Confiança \& Compliance Capability escalável Valor sustentado e não apenas: Modelo Deploy Manutenção Você deverá ser capaz de discutir perguntas como: * Essa arquitetura resolve o problema de negócio ou só parece robusta tecnicamente? * Onde está o menor caminho seguro entre PoC e produção? * Que decisões de arquitetura amarram o cliente a um fornecedor específico — e como evitar isso? * Como garantir que dados sensíveis nunca saiam do perímetro autorizado? * Qual o custo real de escalar isso 10x, 100x? * Como o sistema se recupera de falha de um agente/modelo específico? * Quando vale a pena usar orquestração de agentes vs. um pipeline determinístico simples? Conhecimentos desejáveis * Vertex AI / SageMaker / Azure AI (ou equivalente). * BigQuery / Databricks / Snowflake. * Kubernetes, CI/CD, IaC leve. * MCP, A2A, RAG, function calling, embeddings. * GenAI, Agentic AI. * B2B / mobilidade / gestão de frotas (desejável, não obrigatório). * Setores regulados (compliance de dados sensíveis). Perfil que procuramos * Pensamento sistêmico com visão de longo prazo, sem perder o pragmatismo de curto prazo. * Capacidade de traduzir necessidade de negócio em decisão técnica e vice\-versa. * Comunicação clara com stakeholders não técnicos. * Rigor em documentar decisões (ADR) sem burocratizar o processo. * Colaboração próxima com Data Science e Product. * C