[Infra] Especialista II de Infraestrutura de Cloud

Descrição

Arquitetar, evoluir e operar a infraestrutura da plataforma de IA da Cloud TOTVS de forma segura, escalável e sustentável, garantindo previsibilidade operacional, baixo acoplamento tecnológico e eficiência financeira, suportando os serviços de inferência e suas dependências ao longo do crescimento dos produtos de IA da companhia.

Responsabilidades e atribuições

• Arquitetar e operar infraestrutura de inferência e suporte a treinamento e fine-tuning de modelos (GPU-first), em ambientes on-premises, cloud e serviços externos.
• Definir arquitetura física e lógica (rede, isolamento, alta disponibilidade, capacidade e resiliência).
• Planejar e executar a implantação da plataforma de IA, garantindo compatibilidade entre hardware, SO, drivers, CUDA, Kubernetes e stacks de inferência.
• Operar a plataforma de inferência em produção, assegurando disponibilidade, desempenho e continuidade.
• Atuar na resolução de incidentes complexos (GPUs, Kubernetes, redes, storage e workloads de IA).
• Aplicar práticas de SRE (SLOs, SLIs, error budgets e gestão de incidentes).
• Operar e evoluir stacks de inferência (comerciais e open source), garantindo portabilidade e mitigação de lock-in.
• Definir e padronizar serviços de inferência (ex.: Triton, NIM).
• Arquitetar e operar clusters Kubernetes para IA (multi-tenant, scheduling de GPU, filas, concorrência, backpressure e escala).
• Implementar observabilidade full stack (infraestrutura, GPUs, Kubernetes e serviços de inferência).
• Garantir visibilidade de consumo de recursos, capacidade, riscos operacionais e impacto financeiro.
• Apoiar capacity planning e planejamento orçamentário.
• Integrar práticas de DevSecOps ao ciclo completo da plataforma.
• Garantir conformidade com segurança, auditoria, acessos e segregação de ambientes.
• Disseminar padrões técnicos, boas práticas e conhecimento (documentação e mentoria).
• Apoiar fóruns técnicos e decisões estratégicas relacionadas à infraestrutura de IA.

Requisitos e qualificações

• Experiência mínima de 5 anos em infraestrutura de TI, cloud ou sistemas distribuídos em ambientes críticos.
• Experiência em arquitetura e operação de sistemas distribuídos (preferencialmente com dados, analytics ou IA).
• Vivência em equipes multidisciplinares com interação com produto, dados, segurança e arquitetura.
• Graduação em TI, Engenharia, Ciência da Computação ou áreas correlatas.
• Inglês avançado (leitura, escrita e conversação técnica).
• Domínio de sistemas distribuídos (concorrência, balanceamento, filas, isolamento e backpressure).
• Experiência sólida com Kubernetes (EKS, GKE, AKS, scheduling avançado, multi-tenant).
• Conhecimento avançado em ambientes de missão crítica (alta disponibilidade e resiliência).
• Domínio de redes (TCP/IP, DNS, load balancers, firewalls, SDN).
• Experiência com storage para workloads intensivos em I/O e larga escala.
• Experiência com cloud pública (AWS, Azure e/ou GCP).
• Domínio de observabilidade (métricas, logs e traces).
• Experiência com Infraestrutura como Código (IaC) e automação.
• Conhecimento em práticas DevSecOps e SRE.
• Forte capacidade analítica para resolução de problemas complexos.
• Comunicação clara e orientada a impacto técnico e operacional.
• Entendimento de contexto de negócio para embasar decisões técnicas.