Ai Engineer in Lisbon

Estamos à procura de um Engenheiro de IA para construir e melhorar pipelines de desenvolvimento de IA e entregar software fiável utilizando ferramentas de IA. O papel combina o desenvolvimento de uma fábrica de software de IA, engenharia prática do software que produz e desenvolvimento de projetos existentes utilizando harnesses de codificação de IA.

A fábrica de software utiliza pipelines de IA para transformar requisitos em software implementado, testado e implantável. Você irá desenvolver e manter esses pipelines e trabalhar diretamente na sua saída quando o código gerado contiver defeitos, não atender a requisitos ou precisar de mais engenharia. Também irá desenvolver projetos fora da fábrica, utilizando harnesses de codificação de IA para implementar mudanças dentro de bases de código e arquiteturas existentes.

Este papel requer fundamentos sólidos em engenharia de software, proficiência em pelo menos uma linguagem de programação e a capacidade de se tornar produtivo em outras. Você será responsável por entender, validar e manter o software que entrega.

Responsabilidades Principais

• Projetar, construir, operar e melhorar pipelines de IA que geram, transformam, validam, testam e suportam a implantação de software.
• Ler, revisar, depurar e modificar diretamente o código gerado para corrigir defeitos, fechar lacunas de requisitos e melhorar arquitetura, segurança, desempenho e manutenibilidade.
• Reproduzir falhas, investigar causas raízes e adicionar testes de regressão. Alimentar problemas recorrentes de volta na lógica do pipeline, instruções, contexto e avaliações.
• Implementar funcionalidades, corrigir bugs e refatorar projetos existentes utilizando harnesses de codificação de IA fora da fábrica de software.
• Compreender regras de negócios, arquitetura, dependências e interfaces antes de fazer alterações.
• Orientar ferramentas de IA com tarefas claras e contexto relevante do projeto, revisar sua saída e verificar comportamento, compatibilidade e riscos de regressão antes da entrega.
• Integrar APIs LLM, agentes, ferramentas de desenvolvedor, repositórios, sistemas CI/CD, bancos de dados e serviços internos.
• Construir avaliações automatizadas, testes, portões de qualidade e revisão humana apropriada nos fluxos de trabalho de IA.
• Melhorar observabilidade, recuperação de falhas, latência e eficiência de custos.
• Aplicar práticas de codificação segura, controles de acesso, sandboxing e proteção de segredos quando ferramentas de IA geram ou executam código ou acessam sistemas.
• Colaborar com arquitetos, desenvolvedores e partes interessadas do projeto para esclarecer requisitos, concordar com critérios de aceitação, integrar mudanças e resolver problemas durante a liberação e estabilização.
• Avaliar novas ferramentas de IA e práticas de engenharia para adoção prática.
• Quando necessário por uma tarefa, trabalhar com equipes de clientes em requisitos, integração de soluções, implantação, documentação e transferência.

Habilidades e Experiência Requeridas

• Fundamentos sólidos em ciência da computação e engenharia de software, incluindo algoritmos, estruturas de dados, design de sistemas, testes e depuração.
• Experiência na entrega e manutenção de software de produção, incluindo APIs, serviços backend, bancos de dados, controle de versão, revisão de código e CI/CD.
• Proficiência forte em pelo menos uma linguagem de programação e a capacidade de aprender e trabalhar em outras. Projetos podem usar Go, Rust, Type Script, Java, Python ou outras linguagens.
• Experiência prática utilizando assistentes de codificação de IA, agentes ou harnesses para entregar software, com o julgamento para inspecionar, desafiar e corrigir sua saída.
• Conhecimento prático de APIs LLM, prompting e instruções, gerenciamento de contexto, saídas estruturadas, chamadas de ferramentas e fluxos de trabalho de agentes em múltiplas etapas.
• Capacidade de diagnosticar defeitos em código de aplicação, integrações e fluxos de trabalho de IA, distinguindo defeitos de software de falhas de pipeline e ambiente.
• Experiência navegando em bases de código desconhecidas e fazendo alterações que respeitem a arquitetura estabelecida, interfaces, regras de negócios e comportamento.
• Compreensão de bancos de dados relacionais e não relacionais, modelagem de dados, consultas, indexação e considerações de desempenho.
• Conhecimento de testes automatizados, análise estática, observabilidade, codificação segura, acesso a dados, manuseio de segredos e os limites da saída gerada por IA.
• Comunicação clara, responsabilidade pela entrega e a capacidade de esclarecer requisitos ambíguos, explicar trade-offs técnicos e se adaptar a novas ferramentas.

Qualificações Preferenciais

• Experiência na construção de pipelines de desenvolvimento de IA, fábricas de software, plataformas de desenvolvedor ou automação de engenharia.
• Experiência em projetar avaliações de IA e conjuntos de dados de regressão, ou medir qualidade, confiabilidade, latência e custo de fluxo de trabalho.
• Familiaridade com containers, ambientes de execução isolados, plataformas em nuvem, infraestrutura como código e automação de implantação.
• Experiência com recuperação, embeddings, bancos de dados vetoriais, indexação de código ou frameworks de orquestração como Lang Chain, Llama Index, Semantic Kernel ou similares.
• Experiência voltada para o cliente ou implantada de forma avançada, incluindo descoberta, integração de soluções, demonstrações técnicas e transferência operacional, é benéfica, mas não obrigatória.

Perfil do Candidato Ideal

O candidato ideal é um engenheiro de software prático que se sente confortável construindo pipelines de IA, corrigindo o software que geram e desenvolvendo aplicações existentes. Eles conseguem entender sistemas desconhecidos, trabalhar em várias linguagens e usar ferramentas de IA com bom julgamento de engenharia. Eles assumem a responsabilidade pelo código entregue, investigam falhas minuciosamente e transformam problemas recorrentes em melhorias para ferramentas e fluxos de trabalho. Eles combinam adaptabilidade e comunicação clara com atenção aos detalhes, segurança e manutenibilidade.

Sucesso Neste Papel
O sucesso neste papel se traduz em pipelines de desenvolvimento de IA que produzem software fiável e manutenível com menos defeitos recorrentes e menos retrabalho evitável. O software entregue atende aos requisitos acordados e padrões de qualidade, suportado por verificações automatizadas, testes, revisões e controles apropriados. Os defeitos são resolvidos com cobertura de regressão, e problemas recorrentes levam a melhorias relevantes no pipeline. Projetos brownfield progridem através de funcionalidades verificadas, correções e mudanças manuteníveis suportadas pelo uso eficaz de harnesses de IA. Melhorias são demonstradas através de medidas relevantes, como taxa de sucesso de tarefas, defeitos escapados, tempo de entrega e custo por tarefa bem-sucedida.