Responsabilidades
Construir integrações com sistemas jurídicos e de clientes, do mapeamento do fluxo de login e formulários até a entrega em produção
Manter e corrigir os robôs existentes, com investigação a partir de logs e reprodução em ambiente de desenvolvimento
Refatorar padrões duplicados entre robôs para reduzir custo marginal de cada nova integração
Desenvolver e evoluir a aplicação de IA que consome modelos da Anthropic e do Google: pipeline de ingestão, chunking, embeddings, recuperação e composição de contexto
Projetar, versionar e avaliar prompts em produção, com conjunto de casos de teste e critério objetivo de regressão. Prompt não é ajuste de última hora, é artefato de código
Ajustar o roteamento entre modelos por custo e qualidade, medindo latência, custo por documento e taxa de saída inaceitável
Instrumentar o que você constrói, nas duas frentes: logging estruturado, rastreio por requisição, custo por chamada, alertas e detecção de falha silenciosa ou degradação de qualidade
Documentar cada integração e cada decisão de arquitetura de prompt em nível suficiente para outra pessoa assumir
Participar da rotação de plantão para incidentes P0 e P1
Usar assistentes de IA (Claude e Gemini) no próprio fluxo de desenvolvimento, com responsabilidade final sobre o código que entra em produção
Requisitos
Obrigatórios
- 5+ anos de Python em produção, incluindo concorrência (async/await, threading) e domínio das implicações do GIL
- 3+ anos com automação de navegador em Playwright ou Selenium: espera por elementos dinâmicos, iframes, upload de arquivos, formulários extensos
- 3+ anos de integração com APIs e sistemas web sem API pública: gestão de sessão, extração de token, retry com backoff, manipulação de payload form-encoded e JSON
- Experiência construindo aplicações sobre LLMs em produção, não apenas uso de assistente de código: chamada de API, controle de contexto, structured output, tratamento de falha, controle de custo
- Prompt engineering como competência central, com método próprio de avaliação e não tentativa e erro
- Experiência prática com RAG: chunking, embeddings, base vetorial, avaliação da qualidade da recuperação
- Experiência real com AWS: ECS, ECR, RDS, S3, Secrets Manager
- Docker e pipelines de CI/CD
- SQL e PostgreSQL em nível de otimização de query e connection pooling
- Sistemas orientados a fila com workers e tarefas de longa duração
- Uso diário de assistentes de IA para desenvolvimento (Claude, Gemini ou equivalentes), com critério para revisar, testar e rejeitar o que o modelo produz
Diferenciais
- Experiência prévia com sistemas jurídicos brasileiros ou plataformas de gestão processual
- Ferramentas de RPA de mercado (UiPath, Blue Prism, Automation Anywhere)
- Observabilidade: Graylog, ELK, Grafana, OpenTelemetry
- Avaliação sistemática de LLM: conjuntos de eval, LLM as judge, detecção de regressão entre versões de modelo
- AWS Bedrock ou equivalente para roteamento e hospedagem de modelos
- Redshift ou outro warehouse colunar
- Processamento de PDF em volume e OCR