Job Description Irás trabalhar diretamente com o Head of AI 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.