Buscamos um(a) GenAI Engineer com sólida experiência em Python e vivência comprovada em projetos reais de IA Generativa. O(a) profissional será responsável por construir, avaliar, implantar e monitorar agentes inteligentes, com forte ênfase no processo de avaliação e observabilidade de modelos em produção. Responsabilidades: Projetar, desenvolver e manter agentes inteligentes utilizando LLMs (Large Language Models). Construir soluções de RAG (Retrieval-Augmented Generation) e orquestração de agentes para uso em produção. Implementar e aprimorar processos de avaliação (evaluation) de modelos e agentes, garantindo qualidade e performance. Desenvolver pipelines de implantação e monitoramento de modelos GenAI em produção. Criar APIs e microsserviços que exponham recursos de IA. Integrar pipelines de dados e vetorização para alimentar modelos. Trabalhar com ferramentas de tracing e observabilidade para garantir visibilidade do comportamento dos agentes. Colaborar com produto e negócio para traduzir necessidades em soluções baseadas em IA. Implementar boas práticas de MLOps, segurança, versionamento e CI/CD. Requisitos Obrigatórios: Experiência sólida em Python para desenvolvimento de aplicações de IA. Vivência comprovada em projetos reais de IA Generativa, com foco em agentes inteligentes. Experiência no ciclo completo : construção, avaliação (evaluation), implantação e monitoramento de agentes. Conhecimento profundo em LangChain/LangGraph ou frameworks similares de orquestração de agentes. Experiência com diferentes modelos de IA generativa (OpenAI, Anthropic, modelos open-source). Vivência com pipelines de embeddings e bancos vetoriais (Pinecone, Weaviate, Milvus, pgvector). Experiência com bancos de dados relacionais e não relacionais. Vivência em Cloud (AWS, GCP ou Azure). Inglês técnico para leitura de documentação. Diferenciais: Experiência com a stack Databricks (Mosaic AI Gateway, MLFlow para evaluation e tracing). Conhecimento em frameworks de avaliação de LLMs e métricas de qualidade de agentes. Experiência com ferramentas de transcrição de áudio para texto de forma escalável (importante para projetos de saúde). Vivência em MLOps e observabilidade de modelos em produção. Conhecimento em fine-tuning de modelos LLM. Experiência com ferramentas de mensageria/filas (Kafka, RabbitMQ, SQS). Certificações em Cloud ou Data/AI. Experiência na construção de sistemas distribuídos.