Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions.

Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy. 

Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias.

Em paralelo à exploração de uma nova capability de personalização inteligente para clientes B2B, precisamos de alguém que estruture a arquitetura que conecta os modelos e protótipos aos sistemas corporativos existentes — plataformas de dados comportamentais/transacionais, CRM, gateway corporativo de LLMs — com segurança, compliance e
zero lock-in de fornecedor.
Não buscamos alguém para desenhar uma plataforma completa antes de o protótipo provar valor.
“Conseguimos transformar um protótipo validado em uma arquitetura confiável, seguindo os requisitos de segurança do cliente, sem amarrar a solução a um único fornecedor?”

 

 

• Desenhar a arquitetura conceitual do protótipo (PoC) e seu caminho de evolução para capability escalável.
• Avaliar feasibility técnica e de dados junto ao papel de Data Science/AI Engineer do time.
• Garantir integração segura com sistemas corporativos existentes (CRM, plataformas de dados comportamentais/transacionais, gateway corporativo de LLMs).
• Aplicar padrões abertos de orquestração de agentes (MCP, princípios A2A) evitando lock-in de fornecedor.
• Registrar decisões arquiteturais via ADR (Architecture Decision Record), com alternativas e trade-offs explícitos.
• Garantir compliance de segurança e dados (mascaramento de PII, controle de acesso, auditoria de decisões).
• Colaborar com Data Science, Product e especialistas de negócio para transformar hipótese validada em arquitetura sustentável.
• Estimar custo de inferência e viabilidade de escala (FinOps) para subsidiar a decisão de Go/No-Go.
• Preparar handoff técnico caso a iniciativa avance para um time de delivery em escala.

 

 

Arquitetura & Engenharia de IA
• Experiência sólida em arquitetura de sistemas de IA/ML em produção ou pré-produção.
• Design de sistemas distribuídos, APIs e integrações entre plataformas.
• Avaliação de trade-offs entre soluções built vs. buy vs. prototype.
• Modelagem de arquitetura conceitual e evolutiva — não apenas o estado final.
Cloud & Dados
• Experiência com plataformas cloud (GCP e/ou equivalentes AWS/Azure).
• Data warehouses/lakes, pipelines de dados e feature pipelines.
• Integração com gateways corporativos de LLM (proxy multi-modelo: OpenAI, Gemini, Claude etc.).
• Vector databases e arquiteturas RAG (Retrieval-Augmented Generation), quando aplicável.
Governança & Compliance
• Segurança de API (SAST/DAST), compliance de dados e privacidade (mascaramento,
LGPD/GDPR).
• Prática de decisões versionadas (ADR) sem burocratizar o processo.
• Zero-trust e zero lock-in como princípios de design.
Orquestração de agentes (diferencial)
• MCP (Model Context Protocol) e princípios A2A (Agent-to-Agent).
• Experiência coordenando múltiplos agentes especializados (ex: ingestão, síntese, validação de
conhecimento).
O diferencial: pensar além da arquitetura final
Queremos alguém que consiga conectar:
Protótipo validado → Integração → Confiança & Compliance → Capability escalável → Valor sustentado e não apenas:
Modelo → Deploy → Manutenção
Você deverá ser capaz de discutir perguntas como:
• Essa arquitetura resolve o problema de negócio ou só parece robusta tecnicamente?
• Onde está o menor caminho seguro entre PoC e produção?
• Que decisões de arquitetura amarram o cliente a um fornecedor específico — e como evitar isso?
• Como garantir que dados sensíveis nunca saiam do perímetro autorizado?
• Qual o custo real de escalar isso 10x, 100x?
• Como o sistema se recupera de falha de um agente/modelo específico?
• Quando vale a pena usar orquestração de agentes vs. um pipeline determinístico simples?
Conhecimentos desejáveis
• Vertex AI / SageMaker / Azure AI (ou equivalente).
• BigQuery / Databricks / Snowflake.
• Kubernetes, CI/CD, IaC leve.
• MCP, A2A, RAG, function calling, embeddings.
• GenAI, Agentic AI.
• B2B / mobilidade / gestão de frotas (desejável, não obrigatório).
• Setores regulados (compliance de dados sensíveis).
Perfil que procuramos
• Pensamento sistêmico com visão de longo prazo, sem perder o pragmatismo de curto prazo.
• Capacidade de traduzir necessidade de negócio em decisão técnica e vice-versa.
• Comunicação clara com stakeholders não técnicos.
• Rigor em documentar decisões (ADR) sem burocratizar o processo.
• Colaboração próxima com Data Science e Product.
• Conforto em ambientes de alta ambiguidade e escopo evolutivo (discovery → PoC → capability).
O que NÃO estamos procurando
• Alguém que só desenha diagramas sem colocar a mão na integração real.
• Um arquiteto que exige infraestrutura completa antes de validar o protótipo.
• Alguém focado só em governança/compliance sem visão de produto.
• Um DevOps/SRE puro sem entendimento de arquitetura de IA/ML.
• Alguém que amarra a solução a um único fornecedor por conveniência.
O objetivo não é construir a plataforma perfeita. O objetivo é garantir que o valor validado no protótipo chegue com segurança, integração e sustentabilidade até a decisão de escala.
Como será o sucesso nos primeiros 90 dias
• Arquitetura conceitual do protótipo documentada (as-is → to-be).
• Integrações críticas mapeadas e validadas tecnicamente.
• Decisões arquiteturais registradas via ADR.
• Compliance de dados e segurança validado com as áreas responsáveis.
• Estimativa de custo de escala (FinOps) pronta para subsidiar o Business Case.
• Recomendação objetiva sobre o caminho de evolução da capability.

 

#LI-RR2