Procuramos um(a) Engenheiro(a) de Infraestrutura de IA para construir e operar a espinha dorsal de nossa plataforma. Você será responsável por criar um ambiente robusto, escalável e seguro onde nossos agentes de IA possam pensar, planejar e atuar de forma confiável e eficiente.
Este não é um papel de DevOps tradicional. Você lidará com os desafios únicos de cargas de trabalho de IA, como orquestração de inferências em massa, gerenciamento de estado de agentes de longa duração, otimização de custos de GPU/LLM e garantia de latência ultrabaixa.
Se você é apaixonado por construir a infraestrutura que dá vida à inteligência artificial e entende que, em Legaltech, confiabilidade e segurança não são opcionais, esta vaga é para você.
1. Arquitetura da Plataforma AI: Projetar, construir e manter a infraestrutura em nuvem (AWS/GCP/Azure) otimizada para hospedar um ecossistema de agentes de IA.
2. Orquestração de Cargas de Trabalho: Implementar e gerenciar orquestradores (como Kubernetes) para escalar dinamicamente os serviços dos agentes, garantindo alta disponibilidade e uso eficiente de recursos (incluindo GPUs).
3. Esteiras de MLOps: Desenvolver e automatizar pipelines de CI/CD para o deploy contínuo de modelos, APIs de agentes e ferramentas de suporte, garantindo testes rigorosos e rollbacks seguros.
4. Performance e Custo: Otimizar a infraestrutura para latência e custo. Isso inclui o gerenciamento de servidores de inferência (ex: Triton, TGI), caching de modelos e monitoramento proativo de custos de API de LLMs e computação.
5. Observabilidade e Confiabilidade: Construir um sistema de observabilidade de ponta (logging, métricas, tracing) que nos permita rastrear o "raciocínio" de um agente através de múltiplos microsserviços e chamadas de LLM, diagnosticando falhas e gargalos rapidamente.
6. Segurança e Compliance (Core): Ser o guardião da segurança da plataforma. Implementar as melhores práticas de DevSecOps, gerenciamento de segredos, criptografia de dados (em trânsito e em repouso) e garantir a conformidade com regulamentações como a LGPD.
Qualificações Essenciais:
a. Sólida experiência como Engenheiro de DevOps, SRE ou Engenheiro de Plataforma em ambientes de nuvem (AWS, GCP ou Azure).
b. Proficiência em Infraestrutura como Código (IaC) com ferramentas como Terraform ou Pulumi.
c. Experiência profunda com containerização (Docker) e orquestração (Kubernetes).
d. Habilidade em automação e scripting (Python, Go ou Bash).
e. Experiência na construção e manutenção de pipelines de CI/CD (ex: GitHub Actions, GitLab CI, Jenkins).
f. Conhecimento prático em ferramentas de monitoramento e observabilidade (ex: Prometheus, Grafana, Datadog, OpenTelemetry).
O que nos impressionaria (Diferenciais):
g. Experiência com MLOps: Conhecimento em ferramentas como Kubeflow, MLflow, ou experiência no deploy e monitoramento de modelos de ML em produção.
h. Gestão de GPUs: Experiência prática na configuração e otimização de clusters Kubernetes para cargas de trabalho de GPU.
i. Bancos de Dados Vetoriais: Experiência operacional com bancos de dados como Pinecone, Weaviate ou ChromaDB.
j. Arquitetura de Microsserviços: Experiência com Service Mesh (ex: Istio, Linkerd) e comunicação via gRPC/event-driven.
k. Segurança: Experiência prévia em setores regulados (Fintech, Healthtech, Legaltech) e conhecimento em frameworks de segurança.
l. Colaboração Interdisciplinar: Capacidade de se comunicar de forma eficaz com Engenheiros de IA, Cientistas de Dados e Desenvolvedores de Software, traduzindo necessidades em requisitos de infraestrutura.
m. Autonomia e Proatividade (Ownership): Tomar a iniciativa para identificar gargalos, riscos de segurança e oportunidades de melhoria na plataforma sem precisar ser microgerenciado.
n. Foco no Produto: Entender que o objetivo final da infraestrutura é habilitar o produto a entregar valor ao produto de forma rápida e confiável.
