Empresa: FRANQ
Descrição da vaga: Na Franq Open Banking, estamos liderando uma revolução no setor financeiro, criando produtos inovadores que democratizam o acesso a serviços bancários e transformam a experiência dos nossos clientes. Como startup, valorizamos a criatividade, a colaboração e a busca por soluções disruptivas. Buscamos um Engenheiro de IA Pleno para fortalecer nossa equipe de dados em projetos de IA generativa acelerando o desenvolvimento de nossas soluções de AI. Além disso, você também irá garantir a manutenção de soluções em produção e otimizar fluxos de agentes inteligentes baseados em Gemini, garantindo robustez, performance e inovação em um ambiente fintech dinâmico. A vaga é para atuação em modelo presencial. Acreditamos que o contato direto é fundamental para a nossa dinâmica empresarial, pois favorece trocas mais ricas e colaborativas entre as equipes, tanto técnicas quanto de negócio. Vamos buscar o extraordinário juntos? 🚀 Nossos princípios • Falamos de pessoa para pessoa • Buscamos o extraordinário • Damos vida à inovação • Nos fortalecemos com a transparência O seu papel será: • Desenvolvimento Ágil de Agentes: Projetar e implementar fluxos complexos de agentes usando LangGraph, integrando Vertex AI (Gemini) com FastAPI para APIs. • Manutenção e Observabilidade: Gerenciar projetos em produção via LangServe e LangFuse, monitorando métricas, debugando falhas e otimizando para escalabilidade. • Engenharia de Prompt Avançada: Refinar prompts e chains para "domar" LLMs, garantindo precisão em tarefas como automação e análise preditiva no contexto fintech. • Colaboração Estratégica: Trabalhar com tech leads, negócio e dados para alinhar arquiteturas de IA às prioridades da empresa, propondo inovações ágeis. • Escalabilidade da Equipe: Apoiar expansão de projetos, documentando arquiteturas e treinando juniors durante ausências ou crescimento. • Deploy e Inovação: Garantir deploys suaves, explorar updates em GenAI e contribuir para um ambiente de alta autonomia em startup. • Desenvolvimento de Novos Projetos: Participar ativamente do ciclo completo de novos projetos de GenAI, desde a concepção e experimentação (prompt engineering, avaliação) até a implementação para produção, aplicando os aprendizados dos projetos anteriores. Requisitos: O que esperamos que você tenha: • Expertise em GenAI: Pelo menos 1 ano de experiência em arquitetura e orquestração de agentes e prompt engineering com LLMs em produção. • Familiaridade com o Stack de IA Moderno: Experiência prática com frameworks para orquestração de agentes e chains, como LangChain, LangGraph ou LlamaIndex. • Experiência com Orquestradores: Vivência prática com LangGraph ou ferramentas de orquestração de estados/agentes, entendendo como gerenciar memória e persistência. • Cultura de Observabilidade: Habilidade em implementar logs estruturados e ferramentas de monitoramento para sistemas que não são determinísticos. • Resolução Complexa: Capacidade de mapear problemas de negócio para arquiteturas de IA robustas e escaláveis. • Mindset Ágil: Perfil hands-on, pró-ativo e com capacidade de trabalhar com autonomia em um ambiente dinâmico de startup com foco em entregas rápidas e adaptação a mudanças dinâmicas. • Comunicação Técnica: Habilidade para apresentar arquiteturas de IA a stakeholders não técnicos de forma clara. • Modelo Presencial: Disponibilidade para atuar presencialmente em Florianópolis, colaborando diretamente com o time. Você irá se destacar se tiver: • Engenharia de Sistemas: Experiência com microsserviços, observability e integração de modelos generativos em ambientes cloud. • Fintech ou Regulado: Experiência em open banking, compliance ou dados sensíveis no setor financeiro brasileiro. • Familiaridade com RAG: Conhecimento em técnicas de otimização de busca vetorial e re-ranking de documentos. • Desenvolvimentos/aplicação de AI em plataformas de atendimento ao cliente (contact center) e CRM. • Portfólio Visível: Projetos pessoais/open source com LangGraph, RAG ou agentes multi-step em repositórios GitHub. • Ferramentas Complementares: Conhecimento em LlamaIndex, Streamlit ou CrewAI para protótipos rápidos. • Práticas de MLOps/LLMOps: Familiaridade com conceitos de versionamento de modelos/prompts, pipelines de deploy, monitoramento de modelos e experimentação. • Mentalidade de Produto: Conseguir olhar para a tecnologia e entender como ela resolve a dor real do nosso cliente final.