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 1.600 clientes, estamos presentes em mais de 60 países e somos certificados pela GPTW (Great Place to Work) como um excelente lugar para trabalhar desde 2015. Venha fazer para do nosso time. Seja você, #SejaBemober 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. 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. Criar um alerta de emprego para esta pesquisa