[Job-29570] AI Developer PL/SR, Brazil

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.

Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente.

Olá, aqui é a Bia da CI&T!

Sou Analista de Atração de Talentos e procuro pessoas localizadas no Brasil em um dos clientes da CI&T.

Procuramos pessoas AI Engineer PL/SR que já opere o SDLC de forma nativa com IA — não como apoio pontual, mas como parte do fluxo. Isso inclui uso consistente de automações com agentes que executam tarefas multi-step, usam ferramentas e interagem com o ambiente (repos, pipelines, APIs). É importante que a pessoa saiba estruturar especificações que alimentam a IA, manter controle de qualidade e operar isso em produção com segurança.

⸻

Você precisa ter prática com

• Experiência com desenvolvimento utilizando alguma dessas linguagens (Angular, Node, Net, Python, Java, Javascript, etc)
• AWS (infraestrutura como código IAC
• Spec-driven development (especificação como input primário da AI)
• Domínio sólido de SDLC (design → build → test → deploy → operate)
• Uso avançado de AI 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
• Criacao 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 AI (qualidade, segurança, consistência)