[Job-31455] AI Engineer & Software Architect, Brasil

Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions. Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy.  Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias. Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente. Em paralelo à exploração de uma nova capability de personalização inteligente para clientes B2B, precisamos de alguém que estruture a arquitetura que conecta os modelos e protótipos aos sistemas corporativos existentes — plataformas de dados comportamentais/transacionais, CRM, gateway corporativo de LLMs — com segurança, compliance e zero lock-in de fornecedor. Não buscamos alguém para desenhar uma plataforma completa antes de o protótipo provar valor. “Conseguimos transformar um protótipo validado em uma arquitetura confiável, seguindo os requisitos de segurança do cliente, sem amarrar a solução a um único fornecedor?”   Responsabilidades:    • Desenhar a arquitetura conceitual do protótipo (PoC) e seu caminho de evolução para capability escalável. • Avaliar feasibility técnica e de dados junto ao papel de Data Science/AI Engineer do time. • Garantir integração segura com sistemas corporativos existentes (CRM, plataformas de dados comportamentais/transacionais, gateway corporativo de LLMs). • Aplicar padrões abertos de orquestração de agentes (MCP, princípios A2A) evitando lock-in de fornecedor. • Registrar decisões arquiteturais via ADR (Architecture Decision Record), com alternativas e trade-offs explícitos. • Garantir compliance de segurança e dados (mascaramento de PII, controle de acesso, auditoria de decisões). • Colaborar com Data Science, Product e especialistas de negócio para transformar hipótese validada em arquitetura sustentável. • Estimar custo de inferência e viabilidade de escala (FinOps) para subsidiar a decisão de Go/No-Go. • Preparar handoff técnico caso a iniciativa avance para um time de delivery em escala.   Requisitos:   Arquitetura & Engenharia de IA • Experiência sólida em arquitetura de sistemas de IA/ML em produção ou pré-produção. • Design de sistemas distribuídos, APIs e integrações entre plataformas. • Avaliação de trade-offs entre soluções built vs. buy vs. prototype. • Modelagem de arquitetura conceitual e evolutiva — não apenas o estado final. Cloud & Dados • Experiência com plataformas cloud (GCP e/ou equivalentes AWS/Azure). • Data warehouses/lakes, pipelines de dados e feature pipelines. • Integração com gateways corporativos de LLM (proxy multi-modelo: OpenAI, Gemini, Claude etc.). • Vector databases e arquiteturas RAG (Retrieval-Augmented Generation), quando aplicável. Governança & Compliance • Segurança de API (SAST/DAST), compliance de dados e privacidade (mascaramento, LGPD/GDPR). • Prática de decisões versionadas (ADR) sem burocratizar o processo. • Zero-trust e zero lock-in como princípios de design. Orquestração de agentes (diferencial) • MCP (Model Context Protocol) e princípios A2A (Agent-to-Agent). • Experiência coordenando múltiplos agentes especializados (ex: ingestão, síntese, validação de conhecimento). O diferencial: pensar além da arquitetura final Queremos alguém que consiga conectar: Protótipo validado → Integração → Confiança & Compliance → Capability escalável → Valor sustentado e não apenas: Modelo → Deploy → Manutenção Você deverá ser capaz de discutir perguntas como: • Essa arquitetura resolve o problema de negócio ou só parece robusta tecnicamente? • Onde está o menor caminho seguro entre PoC e produção? • Que decisões de arquitetura amarram o cliente a um fornecedor específico — e como evitar isso? • Como garantir que dados sensíveis nunca saiam do perímetro autorizado? • Qual o custo real de escalar isso 10x, 100x? • Como o sistema se recupera de falha de um agente/modelo específico? • Quando vale a pena usar orquestração de agentes vs. um pipeline determinístico simples? Conhecimentos desejáveis • Vertex AI / SageMaker / Azure AI (ou equivalente). • BigQuery / Databricks / Snowflake. • Kubernetes, CI/CD, IaC leve. • MCP, A2A, RAG, function calling, embeddings. • GenAI, Agentic AI. • B2B / mobilidade / gestão de frotas (desejável, não obrigatório). • Setores regulados (compliance de dados sensíveis). Perfil que procuramos • Pensamento sistêmico com visão de longo prazo, sem perder o pragmatismo de curto prazo. • Capacidade de traduzir necessidade de negócio em decisão técnica e vice-versa. • Comunicação clara com stakeholders não técnicos. • Rigor em documentar decisões (ADR) sem burocratizar o processo. • Colaboração próxima com Data Science e Product. • Conforto em ambientes de alta ambiguidade e escopo evolutivo (discovery → PoC → capability). O que NÃO estamos procurando • Alguém que só desenha diagramas sem colocar a mão na integração real. • Um arquiteto que exige infraestrutura completa antes de validar o protótipo. • Alguém focado só em governança/compliance sem visão de produto. • Um DevOps/SRE puro sem entendimento de arquitetura de IA/ML. • Alguém que amarra a solução a um único fornecedor por conveniência. O objetivo não é construir a plataforma perfeita. O objetivo é garantir que o valor validado no protótipo chegue com segurança, integração e sustentabilidade até a decisão de escala. Como será o sucesso nos primeiros 90 dias • Arquitetura conceitual do protótipo documentada (as-is → to-be). • Integrações críticas mapeadas e validadas tecnicamente. • Decisões arquiteturais registradas via ADR. • Compliance de dados e segurança validado com as áreas responsáveis. • Estimativa de custo de escala (FinOps) pronta para subsidiar o Business Case. • Recomendação objetiva sobre o caminho de evolução da capability.   #LI-RR2