Staff Engineer

Acreditamos que transformar pagamentos em vantagem competitiva começa pela forma como trabalhamos.
É ela que nos permite gerar impacto para nossos clientes, evoluir continuamente e construir soluções que fazem a diferença para o negócio.
Somos um time de tecnologia multicultural e multidisciplinar , presente em diferentes países.
Compartilhamos a curiosidade para enfrentar desafios, a colaboração para construir em conjunto e o senso de dono para entregar com excelência.
Valorizamos um ambiente em que diferentes perspectivas fortalecem as decisões, o aprendizado é contínuo e a jornada é aproveitada sem perder de vista o que realmente importa: gerar valor.
Com inteligência setorial e expertise local , construímos a infraestrutura de pagamentos nativa em IA dos serviços essenciais e lideramos a era dos pagamentos agênticos.
Com mais de R$ 14 bilhões de pagamentos processados por ano e * clientes, estamos presentes em mais de 60 países e somos certificados pela GPTW (Great Place to Work) como um excelente lugar para trabalhar desde ****.
Venha fazer para do nosso time.
Seja você, #SejaBemober /n Experiência sólida em engenharia de software, com atuação como referência técnica (Staff, Principal ou Tech Lead) em sistemas de produção de alta escala.
Fundamentos fortes: arquitetura, estruturas de dados, invariantes e fronteiras de segurança — a base para identificar código gerado "quase certo".
Uso intensivo e comprovado de agentes de IA no dia a dia de desenvolvimento, com domínio de context engineering e spec-driven development.
Prática em TDD, testes automatizados e evals, e capacidade de desenhar estratégias de verificação para código gerado por IA.
Vivência com CI/CD, controle de versão, proteção de branch e entrega em lotes pequenos.
Vivência em operação de sistemas: observabilidade, SLOs, resposta a incidentes e postmortems.
Segurança aplicada: menor privilégio, isolamento e gestão de identidades e segredos.
Julgamento e desconfiança calibrada: saber quando parar e conferir, sem rejeitar a IA nem confiar cegamente nela.
Pensamento sistêmico e de risco, com foco em resultado para o negócio e para o usuário.
Boa comunicação com áreas técnicas, liderança e negócio, e disposição real para mentorar.
Diferenciais Experiência com orquestração de múltiplos agentes e com harness compartilhado entre times.
Vivência em SRE ou platform engineering, incluindo governança de agentes em produção e avaliações contínuas (inclusive LLM-as-a-Judge).
Experiência com mutation testing, benchmarks de performance ou testes de resiliência.
Projetos publicados construídos com agentes, com atenção a segurança e resistência a ataques.
Experiência em pagamentos, fintech, telecom ou outros ambientes de alto volume transacional.
Histórico de formação de engenheiros e de criação de trilhas técnicas.
/n Especificação e contexto: definir o padrão de specs verificáveis — pré e pós-condições, invariantes, Given/When/Then — e manter o contexto que os agentes usam (AGENTS.md, CLAUDE.md, skills e restrições).
Decomposição e orquestração: quebrar problemas complexos em unidades que um agente executa e um humano consegue verificar, coordenando vários agentes, worktrees isoladas e passagens de bastão.
Política de delegação: definir com os times o que se delega à IA (o que é fácil de verificar, de baixo risco ou repetitivo) e o que fica com as pessoas (design, decisões de produto e contexto organizacional).
Verificação: estabelecer a estratégia de testes, evals, mutation testing e benchmarks, e levar a revisão de código para o foco em intenção e risco, que escala com o volume gerado por agentes.
Guardrails determinísticos: garantir CI rigoroso, proteção de branch, CODEOWNERS, lotes pequenos e rollback fácil como base de confiança no sistema.
Segurança desde o início: desenhar agentes com identidade própria, menor privilégio, sandbox e defesa em profundidade, em conjunto com Segurança da Informação.
Harness como produto: evoluir o setup compartilhado de engenharia — instruções, ferramentas, hooks e skills — incorporando o que se aprende com cada falha.
Operação e confiabilidade: definir níveis de autonomia dos agentes em produção (L0 a L3), com autorização progressiva, dry-run e mecanismo de parada imediata; tratar cada agente como serviço, com SLOs, observabilidade e plano de contingência.
IA na operação: aplicar IA onde ela agrega — playbooks, detecção de anomalia, RCA, rascunho de postmortem e handoff de incidente — sem substituir automação clássica que já resolve.
Formação do time: mentorar ativamente, em especial juniores e plenos, e manter trilhas de fundamentos com prática deliberada sem IA, combatendo a atrofia de habilidades.
Comunicação com o negócio: traduzir limites, riscos e ganhos da IA para liderança e áreas de negócio, sustentando decisões técnicas com dados.