Staff AI Engineer

A Blip busca um Staff AI Engineer com perfil de Engenheiro e Pesquisador em IA com forte orientação a impacto no negócio. Sua missão principal é liderar a pesquisa aplicada e o ciclo completo de Aprendizado de Máquina com foco em Modelos de Linguagem na Diretoria de Inteligência Artificial : desde a identificação e diagnóstico do problema, coleta e curadoria de dados, criação, fine-tuning e destilação de modelos, até a disponibilização, operação, monitoramento e evolução contínua em produção. Você atuará no ecossistema de Tecnologia da Blip conectado diretamente ao produto e às apostas estratégicas da empresa. Seu desafio é lidar com a incerteza inerente à pesquisa aplicada, criar novas capacidades de IA no produto e evoluir continuamente as existentes, navegando com fluidez e maturidade técnica entre ecossistemas de modelos fechados (APIs comerciais) e abertos (SLMs/LLMs próprios), equilibrando autonomia tecnológica, custo, latência e privacidade. 🎯 Propósito do cargo Liderar e executar o ciclo de vida ponta a ponta de modelos de linguagem e soluções de IA (APIs, MCPs, Agents) na Blip. O objetivo é transformar teses de tecnologia em novas funcionalidades e ganhos ao negócio, navegando estrategicamente entre soluções proprietárias e open-source para maximizar a qualidade, otimizar latência/custo e garantir a governança dos dados. Requisito Formação acadêmica: Engenharia de Sistemas, Ciência da Computação, Engenharia da Computação, Inteligência Artificial ou áreas correlatas. 🛠️ Hard Skills Knowledge distillation & fine-tuning: Domínio prático na criação de arquiteturas Teacher-Student , técnicas de PEFT ( LoRA, QLoRA ) e adaptação/especialização de modelos abertos para novas capacidades. Navegação no ecossistema fechado vs. aberto: Capacidade técnica de comparar e integrar tanto APIs de modelos proprietários quanto implantar e customizar modelos abertos, sabendo quando transicionar entre eles de acordo com a maturidade e os requisitos do caso de uso. Otimização de inferência e baixa latência: Experiência no serving de alto desempenho de modelos de linguagem e técnicas de quantização. Engenharia e curadoria de dados para ML: Capacidade de extrair, tratar e sanitizar grandes volumes de dados, geração de dados sintéticos de alta fidelidade e curadoria de datasets de treino/validação. Infraestrutura de nuvem e big data: Experiência prática em ambientes de nuvem e ferramentas de Big Data para engenharia, análise e curadoria de grandes volumes de dados, bem como orquestração de microsserviços e motores de inferência escaláveis em produção. Frameworks de avaliação e rigor científico: Habilidade em construir Golden Datasets , frameworks estritos de LLM-as-a-Judge , avaliação empírica e métricas de alinhamento e qualidade além de métricas de avaliação tradicionais em NLP. Engenharia de software de IA: Domínio de Python, PyTorch, utilização eficiente de GPUs e arquiteturas escaláveis de APIs e microsserviços. 🤝 Soft Skills Gestão da incerteza em pesquisa: Capacidade de atuar em cenários ambíguos, formulando e testando hipóteses rapidamente, sabendo descartar caminhos inviáveis e direcionar o foco para o que gera valor real para o negócio. Mentalidade research-to-product: Habilidade para conectar avanços de P&D diretamente às necessidades de produto, transformando artigos e provas de conceito em capacidades produtizadas. Aprendizado contínuo: Capacidade de se manter atualizado e com conhecimento relevante frente às mudanças constantes do mercado de LLMs e IA Generativa. Visão analítica e raciocínio de trade-offs: Capacidade de tomar decisões embasadas em dados considerando o equilíbrio entre Qualidade vs. Latência vs. Custo Computacional vs. Privacidade. Liderança técnica por influência: Capacidade de atuar como referência técnica na Diretoria de IA, mentorando engenheiros e servindo como ponte entre a visão de pesquisa e a visão de negócio. Comunicação efetiva: Capacidade de traduzir conceitos complexos de Deep Learning, hipóteses de pesquisa e otimização de infraestrutura em argumentos claros de ROI e estratégia para lideranças. 📝 Responsabilidades diárias Model lifecycle management: Projetar, treinar, validar, implantar e evoluir modelos customizados e adaptadores para o ecossistema do produto. Estratégia fechado vs. aberto: Avaliar e orquestrar a transição entre chamadas de APIs comerciais e modelos internos destilados em VPC, visando máxima qualidade, autonomia tecnológica e eficiência de custo/latência. Pesquisa aplicada e experimentação: Conduzir experimentos rigorosos para testar novas arquiteturas, técnicas de quantização e estratégias de modelagem sob condições de incerteza técnica. Operação e curadoria de dados e infraestrutura: Construir e gerenciar pipelines automatizados de limpeza e curadoria de dados em larga escala, além de orquestrar e monitorar cargas de trabalho de inferência em ambiente de nuvem. Alinhamento com negócio e produto: Trabalhar lado a lado com os times de produto e negócio para garantir que as apostas em IA estejam alinhadas às metas estratégicas da Blip. ✨ Diferenciais Ecossistema GCP: Vivência e experiência prática na plataforma Google Cloud Platform (GCP) em especial BigQuery (BQ) , Google Kubernetes Engine (GKE) e suíte Vertex AI / Agent Platform . Experiência em destilação em produção: Histórico comprovado em migrar capacidades executadas em modelos de grande porte para modelos menores operando em escala com ganho de ROI. Contribuição para a comunidade de IA: Histórico de publicações, artigos técnicos ou contribuições em projetos open-source no ecossistema de ML/LLM (Hugging Face, vLLM, PyTorch, etc.). Otimização de GPU: Conhecimentos avançados na alocação de memória de GPU ( PagedAttention, Continuous Batching ), kernels de aceleração e compilação de modelos.