Vaga Home Office: AI Product Engineer na empresa Quality Digital

🏢 Empresa: Quality Digital

📍 Local: Remoto

💼 Tipo: Efetivo

🏠 Modelo: Remoto

📋 Descrição da Vaga

Buscamos uma pessoa para atuar como AI Product Engineer, responsável por transformar capacidades de Inteligência Artificial em produtos, agentes e workflows capazes de resolver problemas reais de negócio.

A posição combina engenharia de software, arquitetura, IA aplicada e visão de produto. Não buscamos alguém focado apenas em experimentação com prompts ou criação de provas de conceito. Esperamos uma pessoa capaz de identificar oportunidades, desenhar soluções, implementar produtos e colocá-los efetivamente em produção.

Essa pessoa deverá atuar principalmente na construção de AI Agents, agentic workflows, loops de execução, ferramentas internas e produtos baseados em LLMs, integrando modelos de IA a sistemas, APIs, bases de conhecimento e processos existentes.

Também esperamos autonomia suficiente para compreender e participar das decisões relacionadas à infraestrutura e operação dessas aplicações, especialmente em ambientes AWS, incluindo aplicações serverless e Lambda Functions.

Principais responsabilidades
Desenvolvimento de produtos com IA

• Projetar e desenvolver produtos e funcionalidades baseados em Inteligência Artificial.
• Transformar necessidades de negócio em soluções utilizando LLMs, agentes, automações e workflows.
• Desenvolver aplicações completas, considerando frontend quando necessário, backend, integrações, persistência, infraestrutura e camada de IA.
• Criar rapidamente protótipos para validar hipóteses e evoluí-los para soluções robustas quando houver evidência de valor.
• Trabalhar próximo às áreas de produto, engenharia e negócio para identificar oportunidades onde IA possa gerar ganhos concretos.
• Avaliar quando utilizar IA generativa e quando uma solução tradicional de software é mais adequada.
• Participar de todo o ciclo do produto, desde discovery e experimentação até deployment, observabilidade e evolução em produção.

AI Agents

• Projetar e implementar agentes especializados capazes de executar tarefas utilizando contexto, ferramentas e regras de negócio.
• Definir responsabilidades, ferramentas, contexto e limites de atuação dos agentes.
• Desenvolver arquiteturas multi-agent quando houver necessidade real de especialização ou separação de responsabilidades.
• Criar mecanismos de handoff e coordenação entre agentes.
• Implementar agentes capazes de interagir com APIs, bancos de dados, sistemas internos e ferramentas externas.
• Desenvolver estratégias para gerenciamento de contexto, memória e estado.
• Definir mecanismos de validação e controle para ações executadas por agentes.
• Criar mecanismos de fallback e recuperação quando uma execução não produzir o resultado esperado.

Agentic Workflows e Loops

• Desenvolver workflows nos quais modelos de IA executem sequências estruturadas de análise, ação, validação e revisão.
• Construir loops envolvendo etapas como planejamento, execução, avaliação e correção.
• Implementar workflows com múltiplos passos e decisões condicionais.
• Projetar processos com human-in-the-loop quando decisões exigirem validação humana.
• Criar mecanismos de retry, timeout, fallback e tratamento de erros.
• Trabalhar com workflows síncronos e assíncronos.
• Definir critérios claros para início, continuidade e encerramento dos loops.
• Evitar comportamentos indefinidos através de limites operacionais e critérios objetivos de conclusão.
• Avaliar quando um workflow determinístico é mais adequado do que uma arquitetura totalmente agentic.

Prompt Engineering e Context Engineering

• Projetar prompts estruturados para diferentes tipos de agentes e tarefas.
• Trabalhar com system prompts, templates, exemplos e instruções estruturadas.
• Desenvolver estratégias de context engineering, garantindo que cada modelo receba as informações necessárias para sua tarefa.
• Definir formatos estruturados de entrada e saída.
• Implementar structured outputs e validações de schema.
• Criar estratégias para redução de alucinações e aumento da previsibilidade das respostas.
• Gerenciar context windows e estratégias de recuperação, sumarização e compressão de contexto.

Tool Calling e integrações

• Criar ferramentas que possam ser utilizadas pelos agentes para executar ações em sistemas externos.
• Integrar modelos com APIs REST, GraphQL, bancos de dados, sistemas corporativos e plataformas SaaS.
• Implementar Function Calling e mecanismos equivalentes de execução de ferramentas.
• Desenvolver integrações utilizando padrões como Model Context Protocol (MCP) quando aplicável.
• Definir contratos claros entre agentes e ferramentas.
• Implementar autenticação, autorização e controles de acesso.
• Garantir que agentes possuam apenas as permissões necessárias para suas responsabilidades.

RAG e conhecimento

• Desenvolver soluções utilizando Retrieval-Augmented Generation (RAG).
• Estruturar pipelines de ingestão, chunking, indexação e recuperação de documentos.
• Trabalhar com embeddings, busca semântica e bancos vetoriais.
• Desenvolver estratégias híbridas de busca quando necessário.
• Avaliar qualidade e relevância do contexto recuperado.
• Criar mecanismos de rastreabilidade das fontes utilizadas pelos modelos.
• Integrar bases de conhecimento, documentação técnica e dados corporativos.

Evaluation e qualidade de IA

• Criar estratégias sistemáticas para avaliar a qualidade dos produtos e agentes.
• Construir datasets representativos dos principais cenários de uso.
• Definir métricas para precisão, relevância, completude, consistência e aderência às instruções.
• Criar evals automatizados para identificação de regressões.
• Utilizar LLM-as-a-Judge quando apropriado, complementando com validações determinísticas e humanas.
• Comparar modelos, prompts e estratégias de contexto através de experimentos controlados.
• Criar mecanismos para análise e categorização de falhas encontradas em produção.

DevOps, Cloud e AWS

• Possuir entendimento prático sobre como aplicações são construídas, publicadas e operadas em ambientes cloud.
• Ser capaz de definir e implementar estratégias de deployment para aplicações baseadas em IA.
• Hospedar e operar aplicações utilizando serviços da AWS.
• Desenvolver e publicar workloads utilizando AWS Lambda e arquiteturas serverless.
• Trabalhar com serviços AWS como API Gateway, S3, CloudWatch, IAM, SQS, EventBridge, DynamoDB, RDS e outros serviços pertinentes à solução.
• Compreender conceitos de redes, autenticação, secrets, permissões e políticas IAM.
• Configurar variáveis de ambiente, secrets e parâmetros necessários para execução segura das aplicações.
• Desenvolver aplicações preparadas para execução em ambientes containerizados quando necessário.
• Compreender conceitos de Docker e containerização.
• Estruturar pipelines de CI/CD para build, testes e deployment.
• Trabalhar com Git e estratégias de versionamento e deployment.
• Diagnosticar problemas de infraestrutura e execução em ambientes cloud.
• Compreender impactos de cold start, timeout, memória, concorrência e limites de execução em arquiteturas serverless.
• Projetar soluções considerando disponibilidade, escalabilidade, custo e observabilidade.
• Trabalhar em conjunto com times especializados de Cloud ou DevOps quando a complexidade da infraestrutura exigir.

Observabilidade e operação

• Implementar tracing para acompanhar cada etapa da execução de agentes e workflows.
• Monitorar prompts, respostas, chamadas de ferramentas, latência, erros e consumo de tokens.
• Criar mecanismos para investigar execuções problemáticas.
• Acompanhar custo por execução e identificar oportunidades de otimização.
• Avaliar continuamente o equilíbrio entre qualidade, latência e custo.
• Implementar logging, métricas e alertas adequados.
• Integrar observabilidade da aplicação com serviços como AWS CloudWatch ou plataformas especializadas.
• Criar mecanismos para reprodução e análise de comportamentos inesperados em produção.

Arquitetura e engenharia

• Definir arquiteturas de aplicações que utilizem LLMs e sistemas agentic.
• Projetar soluções considerando escalabilidade, segurança, confiabilidade, observabilidade e custo.
• Desenvolver APIs e serviços responsáveis pela execução e orquestração dos workflows.
• Trabalhar com filas, eventos e arquiteturas assíncronas.
• Projetar aplicações orientadas a eventos quando apropriado.
• Garantir qualidade de código através de testes, revisão e boas práticas de engenharia.
• Criar abstrações reutilizáveis para acelerar o desenvolvimento de novos agentes e produtos.
• Participar das decisões relacionadas à seleção de modelos, frameworks, infraestrutura e plataformas de IA.
• Avaliar trade-offs entre soluções serverless, containers, aplicações persistentes e serviços gerenciados.

Segurança e governança

• Definir controles para acesso de agentes a sistemas e informações sensíveis.
• Trabalhar com proteção contra prompt injection e uso indevido de ferramentas.
• Implementar limites de execução e validação de operações de maior risco.
• Garantir tratamento adequado de dados enviados para modelos externos.
• Aplicar princípios de least privilege tanto para usuários quanto para agentes e workloads.
• Garantir rastreabilidade das ações executadas por sistemas autônomos.
• Trabalhar adequadamente com secrets, credenciais, IAM Roles e permissões AWS.
• Projetar soluções considerando privacidade, segurança e requisitos corporativos.

🎯 Responsabilidades

Buscamos uma pessoa para atuar como AI Product Engineer, responsável por transformar capacidades de Inteligência Artificial em produtos, agentes e workflows capazes de resolver problemas reais de negócio.

A posição combina engenharia de software, arquitetura, IA aplicada e visão de produto. Não buscamos alguém focado apenas em experimentação com prompts ou criação de provas de conceito. Esperamos uma pessoa capaz de identificar oportunidades, desenhar soluções, implementar produtos e colocá-los efetivamente em produção.

Essa pessoa deverá atuar principalmente na construção de AI Agents, agentic workflows, loops de execução, ferramentas internas e produtos baseados em LLMs, integrando modelos de IA a sistemas, APIs, bases de conhecimento e processos existentes.

Também esperamos autonomia suficiente para compreender e participar das decisões relacionadas à infraestrutura e operação dessas aplicações, especialmente em ambientes AWS, incluindo aplicações serverless e Lambda Functions.

Principais responsabilidades

Desenvolvimento de produtos com IA

• Projetar e desenvolver produtos e funcionalidades baseados em Inteligência Artificial.
• Transformar necessidades de negócio em soluções utilizando LLMs, agentes, automações e workflows.
• Desenvolver aplicações completas, considerando frontend quando necessário, backend, integrações, persistência, infraestrutura e camada de IA.
• Criar rapidamente protótipos para validar hipóteses e evoluí-los para soluções robustas quando houver evidência de valor.
• Trabalhar próximo às áreas de produto, engenharia e negócio para identificar oportunidades onde IA possa gerar ganhos concretos.
• Avaliar quando utilizar IA generativa e quando uma solução tradicional de software é mais adequada.
• Participar de todo o ciclo do produto, desde discovery e experimentação até deployment, observabilidade e evolução em produção.

AI Agents

• Projetar e implementar agentes especializados capazes de executar tarefas utilizando contexto, ferramentas e regras de negócio.
• Definir responsabilidades, ferramentas, contexto e limites de atuação dos agentes.
• Desenvolver arquiteturas multi-agent quando houver necessidade real de especialização ou separação de responsabilidades.
• Criar mecanismos de handoff e coordenação entre agentes.
• Implementar agentes capazes de interagir com APIs, bancos de dados, sistemas internos e ferramentas externas.
• Desenvolver estratégias para gerenciamento de contexto, memória e estado.
• Definir mecanismos de validação e controle para ações executadas por agentes.
• Criar mecanismos de fallback e recuperação quando uma execução não produzir o resultado esperado.

Agentic Workflows e Loops

• Desenvolver workflows nos quais modelos de IA executem sequências estruturadas de análise, ação, validação e revisão.
• Construir loops envolvendo etapas como planejamento, execução, avaliação e correção.
• Implementar workflows com múltiplos passos e decisões condicionais.
• Projetar processos com human-in-the-loop quando decisões exigirem validação humana.
• Criar mecanismos de retry, timeout, fallback e tratamento de erros.
• Trabalhar com workflows síncronos e assíncronos.
• Definir critérios claros para início, continuidade e encerramento dos loops.
• Evitar comportamentos indefinidos através de limites operacionais e critérios objetivos de conclusão.
• Avaliar quando um workflow determinístico é mais adequado do que uma arquitetura totalmente agentic.

Prompt Engineering e Context Engineering

• Projetar prompts estruturados para diferentes tipos de agentes e tarefas.
• Trabalhar com system prompts, templates, exemplos e instruções estruturadas.
• Desenvolver estratégias de context engineering, garantindo que cada modelo receba as informações necessárias para sua tarefa.
• Definir formatos estruturados de entrada e saída.
• Implementar structured outputs e validações de schema.
• Criar estratégias para redução de alucinações e aumento da previsibilidade das respostas.
• Gerenciar context windows e estratégias de recuperação, sumarização e compressão de contexto.

Tool Calling e integrações

• Criar ferramentas que possam ser utilizadas pelos agentes para executar ações em sistemas externos.
• Integrar modelos com APIs REST, GraphQL, bancos de dados, sistemas corporativos e plataformas SaaS.
• Implementar Function Calling e mecanismos equivalentes de execução de ferramentas.
• Desenvolver integrações utilizando padrões como Model Context Protocol (MCP) quando aplicável.
• Definir contratos claros entre agentes e ferramentas.
• Implementar autenticação, autorização e controles de acesso.
• Garantir que agentes possuam apenas as permissões necessárias para suas responsabilidades.

RAG e conhecimento

• Desenvolver soluções utilizando Retrieval-Augmented Generation (RAG).
• Estruturar pipelines de ingestão, chunking, indexação e recuperação de documentos.
• Trabalhar com embeddings, busca semântica e bancos vetoriais.
• Desenvolver estratégias híbridas de busca quando necessário.
• Avaliar qualidade e relevância do contexto recuperado.
• Criar mecanismos de rastreabilidade das fontes utilizadas pelos modelos.
• Integrar bases de conhecimento, documentação técnica e dados corporativos.

Evaluation e qualidade de IA

• Criar estratégias sistemáticas para avaliar a qualidade dos produtos e agentes.

• Construir datasets representativos dos principais cenários de uso.

• Definir métricas para precisão, relevância, completude, consistência e aderência às instruções.

• Criar evals automatizados para identificação de regressões.

• Utilizar LLM-as-a-Judge quando apropriado, complementando com validações determinísticas e humanas.

• Comparar modelos, prompts e estratégias de contexto através de experimentos controlados.

• Criar mecanismos para análise e categorização de falhas encontradas em produção.

• Possuir entendimento prático sobre como aplicações são construídas, publicadas e operadas em ambientes cloud.

• Ser capaz de definir e implementar estratégias de deployment para aplicações baseadas em IA.

• Hospedar e operar aplicações utilizando serviços da AWS.

• Desenvolver e publicar workloads utilizando AWS Lambda e arquiteturas serverless.

• Trabalhar com serviços AWS como API Gateway, S3, CloudWatch, IAM, SQS, EventBridge, DynamoDB, RDS e outros serviços pertinentes à solução.

• Compreender conceitos de redes, autenticação, secrets, permissões e políticas IAM.

• Configurar variáveis de ambiente, secrets e parâmetros necessários para execução segura das aplicações.

• Desenvolver aplicações preparadas para execução em ambientes containerizados quando necessário.

• Compreender conceitos de Docker e containerização.

• Estruturar pipelines de CI/CD para build, testes e deployment.

• Trabalhar com Git e estratégias de versionamento e deployment.

• Diagnosticar problemas de infraestrutura e execução em ambientes cloud.

• Compreender impactos de cold start, timeout, memória, concorrência e limites de execução em arquiteturas serverless.

• Projetar soluções considerando disponibilidade, escalabilidade, custo e observabilidade.

• Trabalhar em conjunto com times especializados de Cloud ou DevOps quando a complexidade da infraestrutura exigir.

• Implementar tracing para acompanhar cada etapa da execução de agentes e workflows.

• Monitorar prompts, respostas, chamadas de ferramentas, latência, erros e consumo de tokens.

• Criar mecanismos para investigar execuções problemáticas.

• Acompanhar custo por execução e identificar oportunidades de otimização.

• Avaliar continuamente o equilíbrio entre qualidade, latência e custo.

• Implementar logging, métricas e alertas adequados.

• Integrar observabilidade da aplicação com serviços como AWS CloudWatch ou plataformas especializadas.

• Criar mecanismos para reprodução e análise de comportamentos inesperados em produção.

• Definir arquiteturas de aplicações que utilizem LLMs e sistemas agentic.

• Projetar soluções considerando escalabilidade, segurança, confiabilidade, observabilidade e custo.

• Desenvolver APIs e serviços responsáveis pela execução e orquestração dos workflows.

• Trabalhar com filas, eventos e arquiteturas assíncronas.

• Projetar aplicações orientadas a eventos quando apropriado.

• Garantir qualidade de código através de testes, revisão e boas práticas de engenharia.

• Criar abstrações reutilizáveis para acelerar o desenvolvimento de novos agentes e produtos.

• Participar das decisões relacionadas à seleção de modelos, frameworks, infraestrutura e plataformas de IA.

• Avaliar trade-offs entre soluções serverless, containers, aplicações persistentes e serviços gerenciados.

• Definir controles para acesso de agentes a sistemas e informações sensíveis.

• Trabalhar com proteção contra prompt injection e uso indevido de ferramentas.

• Implementar limites de execução e validação de operações de maior risco.

• Garantir tratamento adequado de dados enviados para modelos externos.

• Aplicar princípios de least privilege tanto para usuários quanto para agentes e workloads.

• Garantir rastreabilidade das ações executadas por sistemas autônomos.

• Trabalhar adequadamente com secrets, credenciais, IAM Roles e permissões AWS.

• Projetar soluções considerando privacidade, segurança e requisitos corporativos.

✅ Requisitos

Requisitos

• Experiência sólida em engenharia de software e desenvolvimento de produtos.
• Experiência prática desenvolvendo aplicações utilizando LLMs.
• Experiência com APIs de modelos como OpenAI, Anthropic, Google ou equivalentes.
• Conhecimento sólido de desenvolvimento backend.
• Experiência com Python e/ou TypeScript.
• Conhecimento de APIs REST e integração entre sistemas.
• Experiência construindo workflows com múltiplas etapas.
• Conhecimento de bancos relacionais e/ou NoSQL.
• Conhecimento de arquiteturas distribuídas, processamento assíncrono e arquitetura orientada a eventos.
• Experiência prática com AWS.
• Conhecimento de AWS Lambda e arquiteturas serverless.
• Conhecimento de Docker e conceitos de containerização.
• Conhecimento de pipelines de CI/CD e processos de deployment.
• Capacidade de colocar e manter aplicações em produção, não apenas desenvolver localmente.
• Capacidade de compreender requisitos de negócio e transformá-los em produtos funcionais.
• Capacidade de investigar problemas de forma estruturada e trabalhar com tecnologias que evoluem rapidamente.

Conhecimentos específicos de IA

Esperamos conhecimento prático em diferentes aspectos do desenvolvimento moderno de aplicações com IA, incluindo:

• Large Language Models.
• Prompt Engineering.
• Context Engineering.
• AI Agents.
• Agentic Workflows.
• Function Calling / Tool Calling.
• Structured Outputs.
• RAG.
• Embeddings.
• Vector Search.
• Model Context Protocol.
• Evals.
• LLM Observability.
• Guardrails.
• Human-in-the-loop.
• Gerenciamento de contexto e memória.
• Estratégias de roteamento entre modelos.
• Otimização de tokens, latência e custo.

Não esperamos necessariamente experiência prévia com todos os frameworks existentes. Conhecimento dos conceitos e capacidade de construir e operar as soluções são mais importantes do que domínio de uma biblioteca específica.

Diferenciais

• Experiência com LangGraph, LangChain, Semantic Kernel, AutoGen, CrewAI ou frameworks equivalentes.
• Experiência construindo servidores ou clientes MCP.
• Experiência com plataformas de observabilidade e avaliação de LLMs.
• Experiência criando ferramentas internas para aumentar produtividade de times de engenharia.
• Experiência com aplicações de IA aplicadas ao ciclo de desenvolvimento de software.
• Conhecimento de Spec-Driven Development e workflows de desenvolvimento assistidos por IA.
• Experiência com Infrastructure as Code utilizando Terraform, AWS CDK, CloudFormation ou tecnologias equivalentes.
• Experiência com ECS, Fargate, EKS ou outros modelos de execução de containers na AWS.
• Experiência com arquitetura event-driven utilizando SQS, SNS e EventBridge.
• Experiência com ambientes enterprise e integração com sistemas corporativos.
• Experiência com Digital Commerce e plataformas como VTEX.
• Inglês avançado ou fluente.

Perfil esperado

Buscamos uma pessoa com perfil de builder, capaz de transitar entre produto, engenharia, infraestrutura e Inteligência Artificial.

Essa pessoa deve conseguir receber um problema relativamente aberto, compreender o processo existente, identificar onde IA pode gerar valor, desenhar a arquitetura necessária e transformar essa oportunidade em um produto funcionando em produção.

Não esperamos que seja um especialista dedicado de DevOps ou Cloud Engineering, mas essa pessoa precisa possuir autonomia técnica suficiente para compreender como sua aplicação será hospedada, configurada, monitorada, escalada e operada, principalmente dentro do ecossistema AWS.

Esperamos também uma postura crítica em relação ao uso de IA. Nem todo problema precisa de um agente e nem todo workflow precisa ser autônomo. O AI Product Engineer deve saber diferenciar situações onde software tradicional, automação determinística, LLMs ou arquiteturas agentic são as melhores alternativas.

Mais do que conhecer ferramentas específicas, buscamos alguém capaz de compreender profundamente os mecanismos por trás dessas soluções, experimentar rapidamente e transformar experimentos bem-sucedidos em produtos confiáveis, observáveis, seguros, mensuráveis e sustentáveis em produção.

🎁 Informações Adicionais

O que você vai encontrar aqui:

• Um ambiente propício para aprendizado e crescimento profissional 🎯
• Avaliação de desempenho e feedbacks, visando o desenvolvimento contínuo das nossas pessoas 📊
• Vale alimentação e/ou refeição para suas compras de mercado e refeições 🍴
• Assistência médica e odontológica para que você e sua família estejam com a saúde em dia 💙
• Convênio com farmácias para descontos em medicamentos 💊
• Auxílio creche de acordo com política vigente 🍼
• Parceria com o SESC para programações variadas de cultura e lazer ✈
• Parcerias para seus estudos de idiomas, tecnologia e plataforma de cursos 📚
• Empréstimo consignado com taxas atrativas + programa de educação financeira 💰
• Universidade Corporativa e trilhas de conhecimento com conteúdos diversos de tecnologia, soft skills, tendências de mercado e muito mais 👨‍💻
• Programa de Indicações com possibilidade de prêmios e bonificações 🎁 
• Seguro de vida coletivo ⛑

📊 Etapas do Processo Seletivo

1. Cadastro
2. Entrevista (Talent)
3. Validação Técnica (Gestor)
4. Proposta
5. Contratação

🏢 Sobre a Quality Digital

Aqui, não faltam histórias para contar!

☕ Então, que tal pegar sua xícara de café, chá, suco ou sua bebida preferida e saber mais sobre nós, se encantar, conferir nossas vagas e fazer parte desse time em constante crescimento? 🚀💖

💡 Dicas de Ouro para Conseguir uma Vaga Home Office

1. Destaque soft skills no currículo e entrevistas

Empresas remotas valorizam comunicação, autonomia, resolução de problemas e adaptabilidade acima de muitas hard skills técnicas. Prepare exemplos concretos de situação, ação e resultado que demonstrem essas competências. Histórias reais com resultados são sempre mais convincentes.

2. Cuide da saúde mental trabalhando de casa

O isolamento do home office pode afetar o bem-estar se não for gerenciado. Reserve momentos para interações sociais, mesmo que virtuais. Faça pausas regulares com a técnica Pomodoro (25 min de foco, 5 min de pausa). Evite comer na frente do computador e saia de casa ao menos uma vez por dia.

3. Estabeleça uma rotina de início e fim do expediente

Um dos maiores riscos do home office é não saber quando parar. Defina horários fixos para começar e encerrar o trabalho e respeite esses limites. Crie rituais de transição: uma caminhada curta antes de começar, trocar de roupa, ou fazer uma xícara de café. Esses gatilhos treinam seu cérebro para entrar e sair do modo trabalho.