About The Role

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.

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?”

Responsabilidades

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.

Requisitos

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