Especialista de Automação com I.A.

Buscamos um Especialista em Automação com IA para ser a ponte entre os desafios de negócio
dos nossos clientes e o potencial da automação inteligente. Este profissional não será apenas um
desenvolvedor, mas um solucionador de problemas de ponta a ponta: alguém capaz de analisar
um fluxo de trabalho, identificar gargalos, desenhar uma solução automatizada e implementá-la
usando um toolbox moderno de IA.
A pessoa ideal combina forte fundação técnica com pensamento analítico e pragmatismo — capaz
de validar hipóteses em horas com prototipagem low-code antes de investir dias em
desenvolvimento, e de comunicar decisões técnicas para stakeholders não-técnicos.
3. Principais Responsabilidades
3.1 Análise e Mapeamento de Processos
• Conduzir sessões de descoberta com clientes e stakeholders internos para compreender
processos de negócio end-to-end.
• Mapear processos As-Is (estado atual) usando técnicas estruturadas como BPMN
(Business Process Model and Notation), SIPOC, jornada do cliente e value stream
mapping.
• Identificar gargalos, tarefas manuais recorrentes, pontos de retrabalho e vulnerabilidades
de compliance ou segurança.
• Documentar entradas, saídas, responsáveis (matriz RACI) e exceções em cada etapa do
processo.
3.2 Proposição e Priorização de Soluções
• Desenhar processos otimizados To-Be e definir hipóteses de impacto (tempo
economizado, custo reduzido, qualidade melhorada).
• Aplicar matriz de priorização (Valor × Esforço × Risco) para montar backlog de automações
e experimentos.
• Justificar a escolha tecnológica entre automação determinística (integração, ETL leve,
roteamento, notificações) e automação com agentes de IA (classificação, extração,
triagem, assistência).
• Comunicar recomendações de forma clara a públicos técnicos e não-técnicos.
3.3 Desenvolvimento de Agentes de IA e Workflows
• Construir agentes de IA using LangChain (com Python ou TypeScript) para orquestração
complexa de LLMs, implementando arquitetura RAG (Retrieval-Augmented Generation)
quando apropriado.
• Desenvolver workflows e automações de baixa complexidade usando Flowise (visual, lowcode)
para validação rápida e prototipagem.
• Criar e orquestrar workflows complexos de integração usando n8n, incluindo scripting em
JavaScript para transformações de dados.
• Implementar bots conversacionais e integrações com Sistemas de Atendimento
Omnichannel (ex. ChatWoot, Octadesk etc.) com capacidades de roteamento inteligente
e fallback.
• Integrar ElevenLabs e serviços de voz para criar interfaces de IA conversacionais de alta
qualidade.
3.4 Integração e Orquestração de Sistemas
• Integrar aplicações e plataformas via APIs REST/GraphQL, garantindo autenticação
segura e tratamento robusto de erros.
• Configurar e depurar Webhooks para garantir que eventos disparem automações
corretamente e em tempo real.
• Trabalhar com bancos de dados e sistemas legados para extrair dados de origem,
transformar e alimentar agentes de IA.
• Aplicar padrões de segurança, como criptografia de dados sensíveis e auditoria de
acessos.
3.5 Monitoramento, Observabilidade e Garantia de Qualidade
• Instrumentar logs, rastreamento de execução e auditoria para explicar "o que aconteceu"
em cada etapa do agente e do workflow.
• Implementar avaliação contínua (Evals) de agentes de IA, criando datasets de teste com
casos reais para reduzir alucinações e comportamentos não-determinísticos.
• Definir e acompanhar KPIs (tempo de atendimento, taxa de retrabalho, SLA, custo por
transação, taxa de acurácia, NPS).
• Utilizar ferramentas de observabilidade como LangSmith para depurar e melhorar a
qualidade das soluções em produção.
• Criar playbooks de incidentes e runbooks operacionais para sustentação.
3.6 Documentação e Transferência de Conhecimento
• Produzir documentação técnica clara do "To-Be", diagramas de arquitetura, fluxogramas
de execução e guias de operação.
• Criar documentação para stakeholders não-técnicos explicando o impacto e o
funcionamento da solução.
• Transferir conhecimento para times de sustentação, capacitando-os para manutenção e
melhorias futuras.

Requisitos Essenciais (Hard Skills)
4.1 Análise e Pensamento Estruturado
• Experiência comprovada em mapeamento de processos de negócio usando técnicas
como BPMN, SIPOC ou equivalentes.
• Capacidade de análise de causa raiz (ex.: 5 Porquês, diagrama de Ishikawa) e estimativa
de impacto em tempo, custo, risco e qualidade.
• Alfabetização em dados: saber ler logs, interpretar funis, fazer queries SQL básico e usar
ferramentas de BI para validar hipóteses.
• Habilidade em priorização: aplicar matrizes como esforço vs. impacto, risco vs.
recompensa.
4.2 Programação e Desenvolvimento
• Domínio sólido de Python ou TypeScript/JavaScript para escrever lógicas customizadas
e estender ferramentas.
• Capacidade de implementar transformações de dados, tratamento de exceções e
validações em scripts.
• Conhecimento de estruturas de dados, algoritmos básicos e boas práticas de código limpo.
4.3 Integração e APIs
• Proficiência em trabalhar com APIs REST/GraphQL, incluindo autenticação (OAuth, JWT),
paginação e tratamento de erros.
• Sólido entendimento de JSON, XML e formatos de dados estruturados.
• Experiência com Webhooks: configuração, depuração e idempotência.
• Noção básica de segurança: criptografia, proteção de secrets, práticas de OWASP.
4.4 Fundamentos de IA e LLMs
• Compreensão dos conceitos fundamentais de Modelos de Linguagem Grandes (LLMs),
como prompt engineering, tokenização e contexto.
• Conhecimento da arquitetura RAG (Retrieval-Augmented Generation) para augmentar
LLMs com dados externos, incluindo bancos de dados vetoriais (ex.: Pinecone, Qdrant,
pgvector).
• Consciência de limitações e riscos de LLMs: alucinações, viés, drift de modelo.
• Familiaridade com conceitos de chain-of-thought prompting e raciocínio multi-etapa.
4.5 Conhecimento do Toolbox
• Experiência prática com pelo menos 3 das ferramentas principais:
o LangChain: orquestração de cadeias e agentes com Python/TypeScript.
o Flowise: prototipagem visual de fluxos de IA.
o n8n: automação de workflows com múltiplos conectores.
o Chatwoot: integração e gestão de canais conversacionais.
o Microsoft Copilot Studio e Power Automate: automação corporativa.
o ElevenLabs: síntese de voz e interfaces conversacionais.
5. Diferenciais Estratégicos (Soft Skills e Experiências)
5.1 Perfil de Aprendizado e Mentalidade
• Prototipagem rápida: Capacidade de validar uma ideia em 2 horas usando low-code
(Flowise) antes de gastar dias codificando em LangChain. Não tem medo de "quebrar"
coisas para aprender.
• Leitura de documentação técnica: Hábito consistente de ler documentação oficial,
papers técnicos e RFCs em vez de depender apenas de tutoriais do YouTube.
• Depuração de LLMs: Paciência e metodologia para testar prompts iterativamente, usando
ferramentas de observabilidade como LangSmith para entender por que o agente errou
(diferente de debugar código determinístico).
• Pensamento first-principles: Capacidade de questionar "por que" antes de "como",
buscando simplificar complexidade antes de "agentificar" tudo.
5.2 Capacidades Técnicas Avançadas
• LangGraph: Experiência em criar agentes com múltiplos passos, loops de decisão e ciclos
de feedback usando a biblioteca LangGraph.
• Containers e Self-hosting: Experiência com Docker para realizar deploy e gestão de
aplicações self-hosted (n8n, Flowise, Chatwoot), garantindo privacidade de dados e
economia de custos.
• Observabilidade e Monitoramento: Expertise em instrumentar applications, estruturar
logs, rastrear execuções de agentes e usar dashboards de monitoramento.
• Avaliação de Agentes (Evals): Experiência em criar datasets de teste realistas e
implementar critérios de aceite para garantir qualidade e evitar alucinações.
5.3 Mindset de Negócio
• Orientação a impacto: Capacidade de conectar decisões técnicas a resultados de
negócio (economia de tempo, aumento de throughput, redução de custos, melhoria de
NPS).
• Comunicação: Habilidade de apresentar arquitetura técnica de forma clara para públicos
não-técnicos, justificando escolhas com linguagem clara.
• Proatividade: Iniciativa para propor melhorias, aprender novas ferramentas e manter-se
atualizado com evoluções da IA.

6. Formação Acadêmica:
• Ensino Superior Completo em Ciência da Computação, Engenharia (Software,
Produção ou Computação), Sistemas de Informação ou áreas correlatas.
• Valorizamos: Pós-graduação ou especializações em Inteligência Artificial, Ciência de
Dados ou Automação de Processos.

Benefits