Artificial Intelligence Specialist

Cargo: Especialista em Integração de IA e Fluxos No-code/Low-code

Tipo de Bolsa: Bolsa de Desenvolvimento Tecnológico Nível I (R$ 5.200,00). O valor não é negociável devido ser um projeto da Fapemig.

Requisitos para a Bolsa:

• Possuir título de doutor em área compatível com as atividades previstas no projeto;
• ou possuir título de graduação, com no mínimo 6 (seis) anos de efetiva experiência em atividades de pesquisa, desenvolvimento tecnológico ou inovação, relacionadas com as atividades do projeto.

Local de Trabalho: Preferencialmente presencial na sede da EnvironBIT, em Lavras, Minas Gerais. A atuação em home office é possível, mas daremos preferência a candidatos que possam trabalhar presencialmente.

Duração da Bolsa: 22 meses

Início: fevereiro de 2025

Descrição Geral:

O Especialista em Integração de IA e Fluxos No-code/Low-code será responsável, inicialmente, por criar e otimizar agentes de IA voltados para a melhoria de processos internos, CRM e comunicação corporativa, utilizando predominantemente plataformas no-code/low-code. Ao longo do projeto, este profissional evoluirá para atuar no pré-processamento e processamento de dados, auxiliando cientistas de dados na preparação de informações para análise. Na fase final, integrará modelos preditivos a fluxos decisórios, contribuindo para a tomada de decisão baseada em dados. Assim, o profissional transitará desde soluções de automação interna até a orquestração de modelos de IA generativa e preditiva, garantindo integração fluida entre ferramentas, dados e equipes.

Atividades Principais:

1. Criação de Multiagentes para Gestão Interna e CRM:

• Desenvolver agentes de IA utilizando ferramentas no-code/low-code (como N8n, LangFlow, Flowise, CrewAI) para aprimorar processos de gestão, CRM, comunicação interna e externa.

• Integrar rapidamente esses agentes a APIs de IA generativa (OpenAI, Gemini e outros), bem como a sistemas internos e soluções de CRM, assegurando automação e melhoria contínua de fluxos de trabalho.

2. Evolução para Pré-Processamento e Processamento de Dados:

• Apoiar o time de ciência de dados na preparação, limpeza e organização de dados, viabilizando pipelines ágeis e reprodutíveis.

• Utilizar conectores e integrações no-code/low-code para incorporar dados a indexadores vetoriais e outras ferramentas, facilitando a recuperação semântica e o contexto para modelos de linguagem.

3. Integração de Modelos Preditivos e IA Generativa:

• Orquestrar a integração de modelos preditivos desenvolvidos pelos cientistas de dados aos sistemas internos de suporte à decisão.

• Garantir que os agentes de IA e modelos de ML (classificação, recomendação, análise preditiva) sejam incorporados aos fluxos de negócios e processos-chave, fornecendo informações precisas e contextualizadas.

4. Monitoramento, Ajustes e Otimização Contínua:

• Monitorar a eficácia dos agentes e modelos implementados, ajustando fluxos, prompts e integrações conforme o feedback dos usuários e métricas de desempenho.

• Introduzir gradualmente práticas básicas de MLOps, versionamento de modelos e monitoramento da performance em produção, mantendo um ciclo de melhoria contínua.

Aptidões Requeridas:

1. Experiência em Ferramentas No-code/Low-code e Integrações:

• Domínio de plataformas como N8n, LangFlow, Flowise e CrewAI para construção de fluxos automatizados sem necessidade de codificação extensiva.

• Capacidade de integrar rapidamente múltiplas APIs (OpenAI, Gemini, CRMs) e serviços em nuvem, garantindo que soluções possam ser prototipadas e ajustadas de forma ágil.

2. Conhecimento de Pré-Processamento e Organização de Dados:

• Experiência básica em tratamento e limpeza de dados, bem como em fluxos que facilitem o acesso e preparação de informações para a ciência de dados.

• Familiaridade com bases de dados estruturadas e não estruturadas, e, se possível, indexadores vetoriais (Pinecone, Weaviate, ChromaDB).

3. Integração de Modelos de IA Generativa e Preditiva:

• Capacidade de orquestrar a integração de modelos de linguagem, agentes inteligentes e, posteriormente, modelos preditivos no fluxo de tomada de decisão.

• Noções de prompt engineering, fine-tuning leve e uso eficiente de APIs de IA generativa.

4. Conceitos de Monitoramento e Ajuste Contínuo:

• Habilidade para monitorar a eficácia dos agentes e modelos, corrigir fluxos e implementar melhorias a partir do feedback.

• Conhecimentos básicos de monitoramento de performance, logging estruturado e práticas iniciais de MLOps.

Aptidões Desejadas:

1. Experiência em Computação em Nuvem:

• Familiaridade com serviços gerenciados da AWS ou GCP para facilitar integrações, armazenamento e serviços de IA.

2. Segurança e Compliance:

• Noções de segurança na integração de APIs, gerenciamento de chaves e tokens, bem como adequação a normas de privacidade de dados.

3. Processamento de Dados em Tempo Real:

• Conhecimentos iniciais em ferramentas de mensageria ou streaming de dados (Kafka, Pub/Sub) para fluxos dinâmicos e em tempo real.

4. Familiaridade com Ciência de Dados e ML:

• Conhecimento básico de modelos de Machine Learning, métricas de avaliação, bem como entendimento para dar suporte a cientistas de dados na seleção e ajuste de modelos.

Soft Skills:

• Habilidade Analítica: Capacidade de decompor problemas complexos em fluxos de trabalho automatizados e conectar sistemas de maneira coesa.

• Comunicação Eficiente: Aptidão para interagir com equipes multifuncionais (cientistas de dados, gestores, equipe de CRM) e explicar integrações técnicas de forma clara.

• Proatividade na Solução de Problemas: Disposição para testar rapidamente diferentes abordagens, ajustar fluxos e aprender novas ferramentas no-code/low-code conforme necessário.

• Trabalho em Equipe: Facilidade em colaborar com profissionais técnicos e não técnicos, servindo de elo entre áreas de negócio e ciência de dados.