Gerente de IA Platform & Applied IA

Escopo

Você trabalhará direto com o Diretor de Tecnologia, mas terá reporte funcional a um comitê formado pelos heads de Operações, Produtos, Tech e terá o CEO como principal sponsor. Principais responsabilidades:

• IA Platform: Cocriar estratégia de IA na Laqus e liderar a definição e implementação da arquitetura de uma plataforma corporativa de IA, habilitando as áreas de tecnologia, produtos e negócios a experimentar, desenvolver e operar soluções de IA de forma segura, escalável e economicamente eficiente. A plataforma deverá evoluir de acordo com requisitos funcionais definidos em conjunto com os diferentes times da companhia, podendo contemplar, entre outras capacidades: ambientes de experimentação e playgrounds de LLMs, catálogos padronizados, model rounting, integrações de agentes com sistemas e seus guardrails, observabilidade de agentes, pipelines de ingestão de dados, deployment de modelos proprietários de ML etc. 
• Applied IA: Atuar em conjunto com as áreas de negócios, Produtos e Tecnologia na identificação, priorização, prototipação e implementação de casos de uso de IA. Suportar discussões de problemas de negócio e traduzir em soluções técnicas, avaliando quando utilizar modelos de linguagem, Machine Learning tradicional, modelos próprios, regras determinísticas ou uma combinação dessas abordagens. 
• Disseminação do conhecimento: Elevar o nível de maturidade e conhecimento organizacional da Laqus em Inteligência Artificial, criando mecanismos contínuos de capacitação e disseminação de conhecimento, incluindo workshops, fóruns técnicos, demonstrações, pílulas de conhecimento, artigos internos e acompanhamento dos times na experimentação e adoção das ferramentas disponibilizadas.

Hard Skills

Formação e experiência

• Formação superior em Ciência da Computação, Engenharia da Computação, Engenharia de Software, Estatística, Matemática, Física, Ciência de Dados ou áreas correlatas.
• Formação acadêmica específica em Inteligência Artificial será considerada um diferencial, mas a experiência prática terá maior peso na avaliação.
• Experiência em tecnologia, com sólida base em engenharia de software e Inteligência Artificial.
• Experiência prática na arquitetura e construção de plataformas distribuídas de Inteligência Artificial para uso transversal.
• Experiência em ambientes de rápido crescimento e alto dinamismo.

LLMs e Agentic AI

• Conhecimento prático em técnicas de RAG para LLMs, embeddings, busca semântica e bancos de dados vetoriais.
• Experiência com gestão de contexto, prompt engineering e otimização de interações com modelos.
• Conhecimento de frameworks e SDKs para desenvolvimento de aplicações com IA, como LangChain, LangGraph e Semantic Kernel.
• Experiência na construção e implantação de agentes de IA, incluindo memória, tool/function calling e supervisão humana.
• Conhecimento em avaliação de aplicações baseadas em LLMs, incluindo evals automatizados e avaliações humanas.
• Conhecimento de MCP e outros padrões de integração de modelos.
  Experiência com orquestração, observabilidade e avaliação de agentes em produção.

Plataforma e AI FinOps

• Experiência na integração e orquestração de múltiplos modelos e provedores, com abordagem agnostic-first.
• Conhecimento de model routing, fallback, caching e estratégias de otimização de custo e latência conforme o workload.
• Experiência com modelos open-weight e modelos proprietários.
• Conhecimento em monitoramento de consumo, performance e custos relacionados ao uso de IA.
• Conhecimento de infraestrutura para IA, como GPUaaS, será considerado um diferencial.

Machine Learning

• Sólidos fundamentos em Machine Learning supervisionado e não supervisionado.
  
• Conhecimento de técnicas de classificação, regressão, clustering e detecção de anomalias.
• Conhecimento de redes neurais e Deep Learning.
• Experiência com frameworks de Machine Learning, como PyTorch e TensorFlow.
• Conhecimento de MLOps, incluindo pipelines de treinamento, validação e deploy de modelos, observabilidade e monitoramento de drift.
• Experiência com ferramentas de gestão de modelos, como MLflow e SageMaker.

Engenharia de Software

• Experiência com desenvolvimento de APIs e microsserviços em backend.
• Conhecimento de desenvolvimento e execução de aplicações em containers, como Docker.
• Experiência com Git e práticas de CI/CD.
• Conhecimento de segurança, permissionamento, autenticação e gestão de secrets.
• Python avançado.
• Conhecimento em C# e ecossistema .NET será considerado um diferencial.

Soft Skills

• Alta autonomia: trabalha com pouca supervisão, conduzindo objetivos de médio e longo prazo com independência.
• Senso de responsabilidade e previsibilidade: mantém stakeholders informados, realiza reports e evita a necessidade de acompanhamento constante.
• Proatividade e capacidade de direcionamento: busca esclarecimentos e redirecionamentos de forma independente quando necessário.
• Gestão de stakeholders: possui facilidade para trabalhar com diferentes áreas e interlocutores.
• Priorização: lida bem com ambientes dinâmicos, equilibrando múltiplas demandas e prioridades.
• Posicionamento: expressa opiniões de forma honesta, transparente e independente da senioridade dos interlocutores.
• Pensamento estruturado: apresenta sugestões e soluções de forma organizada e fundamentada.
• Excelente comunicação: traduz temas técnicos, complexos e abstratos de acordo com o perfil do público.
• Liderança técnica e influência: atua como referência em Inteligência Artificial, contribuindo para o aumento da maturidade e adoção de IA na organização, com capacidade de ensinar e desenvolver outras pessoas.