Empresa: #VempraSabesp
Buscamos uma liderança para assumir a Gerência de Governança e Arquitetura de Inteligência Artificial. Essa pessoa terá a missão de criar as condições para que machine learning, inteligência artificial generativa e agentes de IA sejam desenvolvidos e utilizados em escala, com segurança, confiabilidade, responsabilidade, controle de custos e valor mensurável para o negócio. A posição será responsável por definir e evoluir a arquitetura corporativa de IA, incluindo plataformas de modelos, RAG, APIs, orquestração de agentes, observabilidade, MLOps, LLMOps, AgentOps e mecanismos de supervisão humana. Também liderará a construção do modelo de governança de IA, com políticas, padrões, inventário de soluções, classificação de riscos, critérios de aprovação e monitoramento contínuo. Nossa cultura está em transformação e valoriza colaboração, protagonismo, responsabilidade e orientação a resultados. Procuramos uma liderança com autoridade técnica e linguagem executiva, capaz de equilibrar inovação e risco, velocidade e controle, experimentação e escala. Alguém que tenha coragem para interromper soluções inseguras, mas também pragmatismo para encontrar caminhos viáveis e acelerar a geração de valor. Esta é uma oportunidade para participar da construção da estratégia de inteligência artificial de uma das maiores empresas de saneamento do mundo, aplicando tecnologia em desafios reais e contribuindo para uma transformação que impacta milhões de clientes e a sociedade. • Desenhar e operar o framework corporativo de governança de IA, incluindo princípios, políticas, taxonomia de risco, direitos decisórios, fóruns e accountability. • Criar e manter inventário corporativo de casos de uso, modelos, prompts, agentes, fornecedores, componentes e decisões automatizadas. • Definir arquitetura-alvo e padrões para AI/ML, GenAI e agentes: plataformas, APIs, modelos fundacionais, RAG, vector stores, ferramentas, orquestração, identidade e integração. • Liderar a implantação e evolução de plataformas corporativas de orquestração de agentes, assegurando integração com modelos, dados, APIs, ferramentas, memória, identidade, permissões e mecanismos de supervisão humana. • Estabelecer padrões de MLOps, LLMOps e AgentOps para desenvolvimento, testes, versionamento, deployment, monitoramento, rollback, incidentes e desativação. • Implantar processo de avaliação proporcional ao risco, incluindo valor, privacidade, segurança, explicabilidade, robustez, viés, direitos autorais, uso humano e impacto operacional. • Definir guardrails e controles para GenAI e agentes, incluindo proteção contra prompt injection, vazamento de dados, uso indevido de ferramentas, conteúdo inadequado e autonomia excessiva. • Liderar padrões de avaliação e observabilidade: qualidade, groundedness, precisão, alucinação, toxicidade, drift, latência, custo e desempenho em produção. • Atuar com Jurídico, Riscos, Compliance, Segurança, Privacidade, Auditoria e áreas de negócio na adequação regulatória e na gestão de terceiros. • Definir critérios build, buy ou partner; realizar avaliação técnica e de risco de modelos, plataformas e fornecedores de IA. • Estabelecer FinOps de IA, com visibilidade, orçamento, limites, alertas e otimização do consumo de tokens, inferência, infraestrutura, APIs e ferramentas, relacionando custos aos resultados de negócio. • Gerir equipe interna e parceiros, orçamento, capacidade, fornecedores, indicadores, riscos e roadmap da disciplina. Requisitos: Experiência e formação · Experiência robusta liderando arquitetura, engenharia, plataforma, risco ou governança de IA em organizações de grande porte. · Histórico de colocar modelos de ML, GenAI ou agentes em produção com controles, monitoramento e accountability. · Vivência na interlocução com executivos de negócio, cientistas de dados, engenharia, segurança, jurídico, riscos e fornecedores. · Graduação em Computação, Engenharia, Ciência de Dados, Matemática, Estatística, Sistemas ou áreas correlatas; pós-graduação é desejável. · Inglês profissional, inclusive para avaliação de tecnologias, contratos e referências internacionais. Conhecimentos técnicos essenciais · Ciclo de vida de ML e GenAI; MLOps, LLMOps e AgentOps; CI/CD/CT, model registry, feature stores e observabilidade. · Arquiteturas RAG, embeddings, vector databases, model gateways, APIs, agentes, tool use, memória, orquestração e human-in-the-loop. · Arquitetura e implantação de plataformas de agentes, incluindo frameworks de orquestração, integração corporativa, identidade, permissões, memória, ferramentas, supervisão humana e rastreabilidade das ações. · Responsible AI: gestão de risco, fairness, explicabilidade, robustez, privacidade, segurança, rastreabilidade e supervisão humana. · Avaliação de LLMs e agentes: golden datasets, testes adversariais, red teaming, groundedness, hallucination rate, task success e custo por resultado. · Segurança de IA: prompt injection, model/data poisoning, exfiltração, supply chain, permissões de agentes e controles de conteúdo. · Referenciais como NIST AI RMF, ISO/IEC 42001, ISO/IEC 23894 e regulações aplicáveis; compreensão das implicações do EU AI Act para operações globais e fornecedores. · FinOps aplicado à IA: tokens, inferência, infraestrutura, caching, roteamento de modelos, consumo de APIs e ferramentas, custo por agente/transação e mecanismos de showback ou chargeback. · Ecossistemas cloud e plataformas como Azure AI, AWS, Google Cloud, Databricks, MLflow, Kubernetes e ferramentas de observabilidade — sem dependência de fornecedor específico. Competências de liderança · Capacidade de conectar inovação, risco e valor em decisões claras para a alta liderança. · Autoridade técnica combinada com linguagem executiva e orientação a produto. · Pensamento crítico, curiosidade e atualização contínua em um campo de rápida evolução. · Coragem para interromper soluções inseguras e pragmatismo para viabilizar caminhos controlados. · Formação e liderança de equipes multidisciplinares e ecossistemas de parceiros. Diferenciais valorizados · Experiência em setores regulados, infraestrutura crítica, utilities ou ambientes com impacto direto em clientes e operação. · Certificações ou atuação comprovada em AI governance, segurança de IA, cloud, arquitetura, AgentOps ou gestão de risco. · Experiência com IA embarcada em plataformas corporativas como SAP, Salesforce, ServiceNow, Microsoft ou Oracle. · Conhecimento ou experiência com a plataforma DIAL/NEORIS, considerado diferencial e não requisito eliminatório. · Vivência na avaliação de agentes autônomos, modelos multimodais, edge AI ou digital twins. · Experiência em otimização econômica de modelos e agentes, com benefícios e custos mensurados em produção. Sobre a empresa: A Sabesp está conduzindo uma transformação digital de grande escala, conectada aos desafios de modernização da infraestrutura, eficiência operacional, universalização dos serviços, experiência dos clientes e evolução da gestão. Nesse movimento, a inteligência artificial terá papel cada vez mais relevante na forma como a companhia analisa informações, automatiza processos, apoia decisões e transforma suas operações.