Job Description
Irás trabalhar diretamente com o Head of AI Engineering e com o Lead AI Engineer.
Os projetos são reais e já estão em movimento. Não irás manter código legacy. Irás construir coisas que não existem — agentes que raciocinam, pipelines que decidem, sistemas que antecipam. E vais garantir que os dados em que essas coisas assentam são sólidos, soberanos e confiáveis.
Responsabilidades
- Desenhar e manter a arquitetura de dados da AI Engineering — como os dados chegam, como são armazenados, como são versionados, quem tem acesso;
- Garantir soberania: dados críticos não saem do perímetro;
- Curar e estruturar dados messy de múltiplas fontes;
- Construir pipelines de ingestão, transformação e qualidade — dados limpos antes de chegarem ao modelo;
- Estruturar dados para reasoning: knowledge graphs, embeddings, RAG, context injection;
- Arquitetar, desenhar e construir sistemas inteligentes sobre LLMs para domínios específicos;
- Desenhar de que forma a máquina pensa: arquiteturas cognitivas, knowledge representation, prompt architecture, tool ecosystems, contexto e memória;
- Orquestrar modelos — frontier, open-source, fine-tuned — com raciocínio fundamentado sobre custo, latência, qualidade e privacidade;
- Prototipar rápido (dias, não meses) e levar PoCs a produto;
- Failure design — cérebros alucinam, perdem contexto, ficam confusos. Desenhar guardrails, fallback, graceful degradation;
- Eval mindset — como sabes que o cérebro melhorou? Desenhar evals, red-teaming, testar edge cases, medir qualidade de reasoning — não só accuracy.
Qualifications
- Formação em Engenharia Informática, Engenharia de Sistemas, Matemática, Física ou área técnica equivalente;
- 3 ou mais anos de experiência, com pelo menos 2 em sistemas de AI/ML em produção (produtos que funcionam com utilizadores reais)
- Arquitetura de dados para AI — estruturar uma data layer soberana: ingestão, storage, qualidade, versionamento, acesso. Não é nice-to-have, é o ponto de partida;
- Domínio sólido de pelo menos uma linguagem de backend (Python, Go, Rust ou equivalente), agentes, integração e pipelines complexos;
- Experiência real com LLMs em produção: tool-calling, structured outputs, context management, gestão de custo e latência;
- Arquitetura de agentes: sistemas com raciocínio multi-step, memória, tool ecosystems, fallback;
- Orquestração de modelos — quando usar frontier vs open-source vs fine-tuned, com trade-offs claros;
- Infraestrutura AI: GPUs, model serving (vLLM, TGI ou equivalente), inference pipelines, compute cloud vs on-prem;
- Integração de dados de múltiplas fontes;
- Curiosidade genuína;
- Pensamento sistémico e crítico;
- Conforto com ambiguidade;
- Comunicação clara para perfis não técnicos;
- Português (obrigatório) + inglês técnico.
Também Valorizamos
- LLMOps — model versioning, monitoring, deployment, eval pipelines;
- GCP, Docker;
- Background em domínios complexos: defesa, espaço, energia, infraestrutura crítica.
Additional Information
- Ambiente de trabalho descontraído, equipas dinâmicas e multidisciplinares.
- Facilitamos e promovemos um estilo de vida equilibrado e saudável, articulando o trabalho com a vida pessoal.
- Seguro de saúde.
- Parcerias com ginásios, Nutrium, entre outros.
- Até três dias de férias adicionais.
- Dia de aniversário livre.