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.

Estamos em busca de um AI Data Engineer (PL/SR) para se juntar a um time de dados que opera com inteligência artificial de forma nativa. A pessoa combina sólida engenharia de dados, modelagem, camadas analíticas, governança — com o uso de IA como parte central do fluxo de trabalho, não como apoio pontual.

Missão
Transformar dados brutos em produtos de dados confiáveis, documentados e reutilizáveis, garantindo uma fonte única e consistente de informação para o negócio, operando o ciclo de desenvolvimento de forma assistida por IA, com qualidade e segurança em produção.

Responsabilidades Principais
– Desenvolver transformações e modelos analíticos em Azure Databricks, ADF, Fabric e Power BI.
– Construir e manter camadas analíticas (Bronze, Silver, Gold) e Modelos Semânticos orientados ao negócio.
– Traduzir regras de negócio em modelos de dados escaláveis; definir, documentar e padronizar métricas corporativas.
– Garantir qualidade, testes e observabilidade dos dados.
– Apoiar a construção de datasets para Analytics e Agents.
– Operar o SDLC com IA: codagen, testes, refactor e debugging assistidos.
– Estruturar especificações que alimentam a IA (spec-driven development) e manter controle de qualidade sobre os outputs.
– Construir e orquestrar agentes (multi-step, tool usage, planning + execution) integrados a repos, pipelines e APIs.
– Promover boas práticas de modelagem, governança e documentação.

Conhecimentos Necessários — Dados
– SQL avançado
– Modelagem de dados, Data Warehousing / Lakehouse
– Databricks e Python
– Boas práticas de qualidade, governança e documentação
– Versionamento / GitHub

Conhecimentos Necessários — IA & SDLC
– Spec-driven development (especificação como input primário da IA)
– Domínio sólido de SDLC (design → build → test → deploy → operate)
– Uso avançado de IA no desenvolvimento (codegen, testes, refactor, debugging)
– Construção de agentes (multi-step, tool usage, planning + execution)
– Criação de skills reutilizáveis e composição de capacidades
– Integração via MCP (Model Context Protocol) ou equivalente
– Criação de slash-commands / interfaces operacionais baseadas em prompt estruturado
– Orquestração de workflows (multi-agente ou humano + agente)
– Integração com ferramentas (Git, CI/CD, issue tracking, observabilidade)
– Avaliação crítica de outputs de IA (qualidade, segurança, consistência)