Senior ML Engineer

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.

Estamos explorando uma nova capability de personalização inteligente de ofertas e experiências paraclientes B2B — contas empresariais com múltiplos pontos de contato, contratos de serviço recorrente eciclos de decisão que combinam uso operacional, relacionamento comercial e atendimento (por exemplo: gestão de frotas comerciais, contratos B2B de serviço continuado, operações com múltiplasunidades).
Nossos clientes deixam continuamente sinais — telemetria/uso operacional, histórico comercial (CRM), atendimento e serviço, frequência, jornada e intenção. Queremos transformar esses sinais eminteligência capaz de reconhecer padrões, identificar similaridades entre contas e, principalmente,
adaptar dinamicamente a oferta e a experiência para cada uma.
Estamos procurando uma pessoa que consiga transformar essa hipótese em um experimento real,mensurável e evolutivo — validado primeiro em ambiente controlado (sandbox / PoC) antes dequalquer decisão de escala ou produção.
Não buscamos alguém para simplesmente construir um modelo de clustering.
“Conseguimos transformar comportamento e histórico de uma conta B2B em decisões melhoressobre a oferta e a experiência comercial?”

Responsabilidades:

Você será responsável por conduzir tecnicamente o primeiro ciclo dessa capability, desde a exploração dos dados até a construção de um protótipo funcional e sua validação em ambiente controlado.

• Explorar grandes volumes de dados comportamentais e operacionais de contas B2B.
• Identificar padrões e similaridades entre contas/clientes empresariais.
• Experimentar técnicas de clustering, embeddings e representação comportamental.
• Construir features e representações capazes de capturar contexto operacional, comercial e de atendimento.
• Desenvolver modelos de propensity, recommendation ou next-best-action quando fizer sentido.
• Explorar uso de IA generativa/agentic para transformar recomendações em ações concretas (ex: geração de propostas comerciais personalizadas).
• Transformar insights analíticos em decisões aplicáveis à oferta/experiência comercial.
• Construir rapidamente protótipos e MVPs em ambiente sandbox/controlado.
• Desenhar experimentos controlados e frameworks de medição de impacto — mesmo quando a execução completa em produção ficar para uma fase posterior.
• Medir impacto e uplift projetado.
• Estabelecer mecanismos de feedback para evolução dos modelos.
• Trabalhar próximo de Product, UX, arquitetura/engenharia de IA e especialistas de negócio.
• Ajudar a definir, junto à arquitetura, o caminho de evolução do protótipo para uma capability escalável.

Requisitos:

• Machine Learning aplicado a problemas reais.
• Clustering e técnicas de aprendizado não supervisionado.
• Feature engineering.
• Recommendation systems.
• Propensity modeling.
• Similarity models.
• Embeddings e representação de comportamento.
• Avaliação e experimentação de modelos.

Será valorizada familiaridade com K-Means, hierarchical clustering, DBSCAN/HDBSCAN, Gaussian Mixture Models, PCA/UMAP, vector embeddings e nearest-neighbor / similarity search. Mais importante que dominar todas essas técnicas é saber quando utilizá-las, quando não utilizá-las e como provar se elas geram valor.

Data Engineering

• SQL avançado.
• Python.
• Pipelines de dados e feature pipelines.
• Processamento de grandes volumes de dados.
• Data lakes / warehouses.
• Dados estruturados e eventos comportamentais/operacionais.
• APIs e serviços para disponibilização de modelos.

Não precisa ser um Data Engineer especializado em infraestrutura, mas deve conseguir sair da análise exploratória e chegar a um protótipo funcionando.

IA Generativa & Agentic (diferencial forte)

• Uso de LLMs para geração de texto/recomendação contextualizada (ex: propostas comerciais personalizadas por conta).
• Noção de arquiteturas agente-a-agente (A2A) e protocolos abertos de orquestração (MCP) — não precisa ser especialista, mas deve saber colaborar com a arquit