Engenheiro(a) de Software AI-Native

Sobre nós

A Reply é uma multinacional italiana líder no mercado de TI europeu, hoje com presença em 18 países e mais de 10.000 Respondentes apaixonados por inovação e pelo trabalho em equipe. Atuamos com integração de sistemas, soluções em gestão de excelência e consultoria especializada em TI. Nossos esforços são direcionados ao incentivo ao sucesso do cliente através da excelência da entrega. Atuamos com diversas soluções no mercado, entre Machine Learning, Inteligência Artificial, Indústria 4.0 e soluções em Cloud.

Na Reply valorizamos a inclusão e diversidade em toda a sua multiplicidade.

O que você pode esperar: 

Ambiente de ponta / Inovação no DNA – Projetos desafiantes ao lado de especialistas específicos.
Atuamos com as mais avançadas frentes de mercado IA, Cloud, Machine Learning e Indústria 4.0 no seu dia a dia.
Empresa global – Presente em 18 países, conectando equipes e tecnologias emergentes.
Parcerias estratégicas – Alianças com Microsoft, Oracle, AWS e SAP.
Formação contínua – Desconto e parceria com as melhores universidades e plataformas Tech do Brasil.
Idiomas sem barreiras –Condições especiais em plataformas de ensino de idiomas.

Atuação híbrida em Belo Horizonte/MG!!

Principais atividades

• Produzir software de forma AI-native: Conduzir agentes e LLMs a partir de especificações, mantendo responsabilidade técnica integral pelo resultado. Você especifica, orquestra, revisa e responde pelo código. A IA executa.
• Conduzir o ciclo de Spec-Driven Development: Transformar requisitos em especificações executáveis e artefatos de contexto (ex.: /specify, /plan) que servem de contrato para o trabalho humano e para os agentes.
• Calibrar a autonomia progressiva da IA conforme risco e maturidade do contexto: Saber quando aceitar a geração autônoma e quando intervir manualmente, sem perder o controle do "o quê" e do "porquê".
• Participar do rito de Pull Request Aumentado: Revisar não apenas sintaxe, mas intencionalidade: aderência aos critérios de aceite, decisões técnicas e impacto funcional — inclusive sobre código gerado por agentes, não só por humanos.
• Contribuir para a camada de conhecimento e os contextos reutilizáveis: Desenvolver skills, padrões, decisões arquiteturais, conectores e MCPs que tornam os agentes consistentes e confiáveis no domínio da empresa.
• Aplicar boas práticas de arquitetura e engenharia: Entregar código limpo, testável e sustentável em sistemas de diferentes características (monolitos e/ou distribuídos), com foco em valor de negócio e ritmo sustentável.
• Garantir qualidade e eficiência: Contribuir com testes automatizados, observabilidade — inclusive sobre a qualidade e o custo do output de IA — e práticas que reduzam retrabalho e débito técnico.
  Atuar em times colaborativos guiados por valor: Utilizar metodologias ágeis e práticas como code review, pair e mob programming, compartilhando aprendizados e sendo mentorado(a) por profissionais mais experientes.

 
Conhecimento técnico (mandatório)

• Experiência em desenvolvimento: Pelo menos 3 anos de experiência com desenvolvimento de software, com domínio forte em ao menos uma das stacks (.NET e React) e capacidade comprovada de transitar pelas demais com apoio de IA.
• Spec-Driven Development como competência central: Escrever especificações não ambíguas, decompor em planos verificáveis e definir critérios de aceite que funcionem como contrato para humanos e agentes (ex.: /specify, /plan).
• Engenharia de Contexto: Construção e gestão de contexto para LLMs — instruções, restrições, exemplos, seleção de ferramentas/MCPs e controle da janela de contexto.
• Uso de IA Generativa: Utilização de ferramentas agentivas aplicado ao desenvolvimento, com responsabilidade, senso crítico e validação humana sistemática.
• Leitura crítica de código: Habilidade para avaliar, validar e corrigir output de IA e de terceiros com a mesma profundidade do próprio código.
• Qualidade de código: Capacidade de escrever código de alta qualidade, bem organizado e testável, com domínio de Orientação a Objetos e/ou bons princípios de design.
• Testes automatizados: Experiência prática com testes unitários e/ou de integração.
• Versionamento de código: Uso de Git para versionamento e colaboração via Pull Requests.
• Bancos de dados: Experiência com bancos de dados SQL e fundamentos de modelagem de dados.
• Metodologias ágeis: Vivência prática com Scrum, Kanban ou XP.

Diferenciais

• Orquestração avançada: Experiência prática com orquestração de agentes e MCPs/conectores (composição de ferramentas, automação de fluxos com IA).
• Métricas de IA: Familiaridade com avaliação e observabilidade de output de IA (medir qualidade, regressões, custo de tokens) e com arquiteturas model-agnostic.
• Arquitetura de sistemas: Experiência com arquiteturas distribuídas, microsserviços ou mensageria.
• DevOps: Vivência com CI/CD, automação de build e release.
• Infraestrutura e Nuvem: Conhecimento em nuvem e/ou contêineres (Docker, Kubernetes).
• Linguagens adicionais: Conhecimento em Python.

 
Habilidades comportamentais

• Clareza de escrita e de especificação como skill de primeira ordem: no modelo AI-native, especificar bem é programar. Quem especifica mal, gera mal.
• Pensamento crítico e ceticismo técnico: não confiar cegamente em soluções automáticas, especialmente as geradas por IA.
• Conforto com ambiguidade e com delegar: soltar o controle do "como" mantendo o controle do "o quê" e do "porquê".
• Autonomia e responsabilidade para buscar soluções sem depender de direcionamento constante.
• Comunicação clara para discutir requisitos, decisões técnicas e trade-offs.
• Colaboração e respeito ao time, valorizando o aprendizado coletivo.
• Adaptabilidade em um ambiente de rápida evolução tecnológica.
• Importa-se genuinamente com o sucesso do produto e do time.
• Assume responsabilidades mesmo quando não são formalmente atribuídas.
• Aprende com erros, celebra conquistas coletivas e se posiciona com coragem diante de decisões difíceis.

Benefits