Sobre nósO varejo físico responde por mais de 80% das vendas no Brasil — e nenhuma das conversas entre vendedor e cliente virava dado. A KOL resolve isso: capturamos interações no PDV via áudio e entregamos inteligência real para gestores de varejo. Produto validado, pipeline ativo, estágio inicial. Cada pessoa que entra agora está construindo o que a KOL vai se tornar.Buscamos um Senior Machine Learning Engineer para compor o nosso Founding Team e assumir a camada de speech e inteligência conversacional — os sistemas que transformam conversas reais em lojas físicas em transcrições, insights estruturados e sinais acionáveis para gestores. Você vai trabalhar onde a qualidade da IA determina o valor que o cliente percebe.O que você fará– Assumir ownership pelo pipeline de speech-to-text e análise conversacional.– Avaliar e melhorar qualidade de transcrição em ambientes ruidosos de lojas físicas.– Trabalhar em diarização, identificação de papéis dos interlocutores e processamento de transcrições.– Desenhar fluxos com LLMs para extração estruturada de insights, resumos, objeções e comportamentos de venda.– Construir datasets de avaliação, métricas de qualidade, feedback loops e versionamento de modelos e prompts.– Fazer benchmarks de provedores de speech-to-text, diarização e LLMs.– Trabalhar com produto e engenharia para tornar insights de IA confiáveis e acionáveis.O que buscamos– Forte experiência em IA aplicada, engenharia de ML, NLP, speech ou engenharia de dados.– Forte experiência com Python.– Experiência construindo pipelines em produção, não apenas notebooks ou experimentos.– Experiência com LLMs, extração estruturada, versionamento de prompts e modelos, e avaliação.– Capacidade de trabalhar com dados reais, ambíguos e ruidosos.– Forte senso de produto em torno de qualidade, confiabilidade e confiança do usuário em sistemas de IA.Diferenciais– Experiência com speech-to-text, diarização, processamento de áudio ou dados conversacionais ruidosos.– Background em conversation intelligence, sales coaching ou analytics para call center.– Experiência com fluxos de anotação, revisão humana ou otimização de custo e latência em IA.Você pode ser a pessoa certa se...Você já colocou um pipeline de IA em produção, viu ele falhar de formas inesperadas com dados reais e construiu os mecanismos de avaliação para entender exatamente onde e por quê. Você não considera um modelo bom porque performou bem no benchmark: só quando funciona com os dados bagunçados do mundo real. Você se importa com a confiança do usuário final no output da IA — e sabe que essa confiança é construída com métricas, feedback loop e muito trabalho de avaliação, não com hype.