Empresa: Leega Consultoria
Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados. Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você! >> A LEEGA É PARA TODOS , ficaremos muito felizes em ter você em nosso time. Venha fazer parte da nossa história e da construção do nosso futuro. Cadastre-se agora mesmo em nossas vagas! A empresa está montando sua infraestrutura de IA na AWS. O plano inclui uma arquitetura de referência, RAG sobre bases internas e vários agentes em produção que conversam entre si : um orquestrador que divide o trabalho entre agentes especializados. Ainda está em discussão separar a conta de IA da conta de dados. A ideia é começar na Virgínia (us-east-1) e migrar depois para São Paulo por motivos regulatórios. A pessoa contratada será a ponte entre o time de dados e o de IA. Ela garante que o pipeline entre as contas e a camada que entrega dados, ferramentas e memória aos agentes tenham um dono claro. Responsabilidades: • Dados para IA • Construir intelectualmente as estruturas de IA e ML • Construir e manter os pipelines que alimentam o Bedrock Knowledge Base e os agentes: ingestão, limpeza, chunking e vetorização. • Definir contratos de dados (schemas, frescor, SLAs) para cada fonte que os agentes consomem. • Criar, Manter e Atualizar esteiras de MLOPS • Plataforma multiagente • Dar suporte à orquestração entre agentes: supervisor e subagentes, agentes como ferramentas, fluxos em grafo ou swarm. Usar Strands Agents, colaboração multiagente do Bedrock e AgentCore (Runtime, Gateway, Memory, Identity). • Expor dados e sistemas internos como ferramentas reutilizáveis via servidores MCP e AgentCore Gateway, com versionamento e um catálogo de ferramentas. • Desenhar a gestão de estado e memória compartilhada entre agentes (curto e longo prazo, por sessão e por usuário), sem que dados vazem entre contextos ou clientes. • Apoiar a comunicação entre agentes (protocolo A2A, eventos via EventBridge, SQS e Step Functions), com idempotência, timeouts, retries e proteção contra loops. • Aplicar privilégio mínimo por agente e por ferramenta : identidade própria, escopo de acesso a dados e trilha de auditoria de cada ação executada. • Contas, infraestrutura e custo • Desenhar o acesso entre contas AWS (IAM roles cross-account, Lake Formation), evitando copiar dados sempre que possível. • Implantar toda a infraestrutura como código (Terraform), incluindo agentes, ferramentas e guardrails, para promover o que funciona do sandbox para produção. • Aplicar tags, orçamentos e métricas de custo por área, projeto, modelo e agente , com visibilidade do custo por fluxo ou conversa (FinOps). • Governança, observabilidade e resiliência • Garantir governança e privacidade (LGPD, residência de dados por região) antes de dados sensíveis entrarem no ambiente de IA, inclusive no que circula entre agentes e fica guardado em memória. • Implantar observabilidade de ponta a ponta: rastreamento distribuído das chamadas entre agentes e ferramentas (OpenTelemetry, AgentCore Observability, CloudWatch), latência, tokens e taxa de erro por etapa. • Dar suporte a resiliência e DR (filas, multirregião, degradação controlada quando um agente ou ferramenta falha). Requisitos: Requisitos obrigatórios • Python e SQL sólidos. • S3, Glue, Athena, IAM, Lake Formation e KMS. • Terraform e CI/CD. • Experiência prática com ambientes multiconta na AWS. • Arquitetura orientada a eventos e sistemas distribuídos (filas, retries, idempotência, consistência). • Experiência construindo ou operando ao menos uma aplicação com LLM em produção (RAG ou agente com ferramentas). • Noções de FinOps na AWS (tags, Cost Explorer, orçamentos). • LangChain • LangGraph • MLOps e LLMOps: avaliação de agentes e fluxos multiagente, guardrails, monitoramento de drift e de qualidade das respostas. Diferenciais • Amazon Bedrock (Knowledge Bases, Guardrails, colaboração multiagente) e AgentCore. • Frameworks de agentes como Strands, LangGraph ou CrewAI, e padrões de orquestração multiagente. • MCP (construção de servidores) e A2A. • Bancos vetoriais e as opções discutidas: S3 Vectors, OpenSearch e Milvus. GraphRAG é um bônus. • Data Mesh e arquitetura hub-and-spoke. • Certificações: AWS Certified Data Engineer – Associate, ML Engineer – Associate, FinOps Certified Practitioner. • Experiência em serviços financeiros e em ambientes regulados. • Estrutura e HubSpoken Competências comportamentais • Comunicar-se bem com cientistas de dados, áreas de negócio e parceiros externos. • Postura de segurança e rigor com dados sensíveis, especialmente quando agentes agem de forma autônoma. • Decidir com trade-offs explícitos. Por exemplo: copiar dados ou acessar cross-account, um agente generalista ou vários especializados, memória compartilhada ou isolada. • Autonomia para documentar e definir quem é dono de cada agente, ferramenta e fonte de dados entre os times Sobre a empresa: A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes. Isso não poderia ser diferente com o nosso principal combustível: as pessoas! Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade.