Senior Platform Engineer | Developer Experience & AI Native SDLC

Sobre a vaga:
Estamos buscando uma pessoa Senior Platform Engineer, com experiência em engenharia de plataformas e Developer Experience, para nos ajudar a construir a próxima geração do SDLC do PicPay. Essa pessoa será responsável por criar experiências e capacidades que permitam às equipes desenvolver e entregar software com mais velocidade, autonomia e qualidade, utilizando inteligência artificial de forma integrada ao fluxo de trabalho.
O desafio é habilitar uma operação AI Native sem transformar o processo em uma “caixa-preta”. Isso significa construir mecanismos que garantam segurança, governança, rastreabilidade das ações e artefatos gerados por IA, além de manter as pessoas desenvolvedoras capazes de compreender, revisar, questionar e assumir responsabilidade pelas decisões tomadas ao longo do processo.
A pessoa ideal combina visão de produto e plataforma, conhecimento sólido de engenharia de software e DevOps, curiosidade para explorar novas aplicações de IA e compromisso com experiências simples, confiáveis e seguras para a comunidade de desenvolvimento.

Responsabilidades e Atribuições:

Arquitetar, desenvolver e manter plataformas, frameworks, ferramentas e automações para todo o ciclo de desenvolvimento de software;
Projetar e evoluir experiências AI Native para apoiar atividades como planejamento, desenvolvimento, revisão de código, testes, análise de vulnerabilidades, troubleshooting, documentação, deploy e operação;
Criar guardrails técnicos e mecanismos de governança para o uso seguro de IA no SDLC, incluindo políticas, controles de acesso, validações, aprovações e limites de automação;
Garantir rastreabilidade sobre alterações, decisões, recomendações, prompts, agentes, modelos, ferramentas e artefatos gerados ou modificados com apoio de inteligência artificial, respeitando os requisitos de segurança e privacidade da organização;
Desenvolver experiências que favoreçam a compreensão humana, permitindo que as pessoas desenvolvedoras entendam o contexto, a origem, os impactos e os critérios por trás de sugestões ou ações automatizadas;
Integrar as soluções de Developer Experience ao ecossistema existente de desenvolvimento e operações, incluindo CI/CD, controle de versão, Kubernetes, observabilidade, segurança e infraestrutura como código;
Evoluir pipelines e fluxos de entrega para que sejam seguros por padrão, auditáveis, reprodutíveis e capazes de incorporar automações assistidas ou executadas por IA;
Definir e acompanhar métricas de adoção, eficiência, qualidade, segurança, confiabilidade e experiência das pessoas desenvolvedoras;
Desenvolver e manter documentação técnica clara, exemplos, tutoriais, padrões de uso e materiais que apoiem a adoção das plataformas e das capacidades de IA;
Trabalhar próximo às equipes de engenharia para compreender necessidades, validar soluções, identificar riscos e transformar aprendizados em melhorias de produto e plataforma;
Promover workshops, comunidades de prática, hackathons e outros fóruns para educar e engajar a comunidade técnica;
Disseminar boas práticas de engenharia, testes, DevOps, segurança, observabilidade, uso responsável de IA e melhoria contínua do SDLC;
Atuar na evolução da arquitetura e dos processos da área, contribuindo para decisões técnicas estratégicas e para a construção de uma plataforma escalável;

Requisitos e Qualificações:

Experiência com engenharia de software, engenharia de plataformas, desenvolvimento de produtos técnicos ou áreas relacionadas;
Experiência em posições seniores, atuando em times de médio ou grande porte e em ambientes complexos;
Experiência prática com ferramentas baseadas em GenAI para potencializar a produtividade e a qualidade do próprio trabalho de engenharia;
Conhecimento sólido do ciclo de vida de desenvolvimento de software e das práticas modernas de engenharia, DevOps e Platform Engineering;
Experiência na construção ou evolução de plataformas, ferramentas internas, automações ou produtos voltados para Developer Experience;
Capacidade de projetar soluções considerando segurança, privacidade, governança, auditoria, rastreabilidade e confiabilidade;
Capacidade de avaliar criticamente sugestões e artefatos produzidos por IA, identificando riscos técnicos, de segurança, qualidade e conformidade;
Habilidades fortes de comunicação, colaboração e apresentação, com capacidade de traduzir assuntos técnicos complexos para diferentes públicos;
Capacidade de pensar estrategicamente sobre plataformas tecnológicas, produtos internos e seus impactos na experiência das pessoas desenvolvedoras;
Capacidade de trabalhar de forma autônoma e colaborativa, com postura proativa para investigar problemas e entregar resultados;
Pensamento analítico e habilidades de resolução de problemas;

Conhecimentos técnicos:

Sólido conhecimento de controle de versão e colaboração utilizando GitHub e Trunk-Based Development;
Experiência com análise estática de código e ferramentas como SonarQube;
Experiência na implementação de pipelines de CI/CD utilizando ferramentas como Tekton, GitHub Actions, Drone e/ou Jenkins;
Experiência prática com Kubernetes para orquestração de contêineres e Argo CD para gestão de entrega contínua;
Domínio de pelo menos uma das seguintes linguagens: Python, Java, JavaScript/TypeScript, PHP ou Go;
Conhecimento profundo de práticas de DevOps, infraestrutura como código e automação de ambientes;
Familiaridade com práticas e ferramentas de observabilidade e monitoramento, como Grafana, Prometheus, OpenSearch e Dynatrace;
Familiaridade com práticas e ferramentas de testes de carga, como Locust, k6, Gatling e JMeter;
Conhecimento de infraestrutura em nuvem AWS e tecnologias como Docker, Helm Charts, Backstage, Argo CD e Terraform;
Inteligência artificial aplicada ao SDLC;
Conhecimento dos fundamentos de inteligência artificial generativa e de Large Language Models (LLMs), incluindo tokens, contexto, embeddings, janelas de contexto, temperatura, limites de geração e diferenças entre modelos;
Experiência prática na integração de aplicações e plataformas com modelos de IA por meio de APIs, SDKs e gateways de modelos;
Conhecimento de técnicas de prompt engineering, estruturação de contexto, criação de instruções, few-shot prompting e gerenciamento de prompts versionados;
Conhecimento de Retrieval-Augmented Generation (RAG), incluindo ingestão e chunking de documentos, geração de embeddings, busca semântica, reranking e grounding das respostas;
Conhecimento sobre construção de agentes e workflows baseados em IA, incluindo tool calling, uso de ferramentas externas, definição de permissões, orquestração de etapas e tratamento de falhas;
Capacidade de projetar experiências de desenvolvimento assistidas por IA para atividades como geração e revisão de código, criação de testes, documentação, troubleshooting, análise de logs e automação de deploys;
Conhecimento de avaliação de aplicações baseadas em IA, incluindo definição de critérios de qualidade, testes automatizados, conjuntos de avaliação, avaliação de relevância, factualidade, segurança e regressão;
Conhecimento de observabilidade para sistemas de IA, incluindo rastreamento de prompts e respostas, latência, consumo de tokens, custos, taxa de erro, qualidade das respostas e comportamento dos agentes;
Conhecimento de práticas de segurança para aplicações com IA, incluindo proteção contra prompt injection, vazamento de dados, exposição de informações sensíveis, uso indevido de ferramentas, ataques de extração de contexto e geração de código inseguro;
Conhecimento de privacidade, gestão de dados e controle de acesso aplicados ao uso de modelos de IA, considerando classificação de dados, segregação de ambientes, retenção de informações e requisitos de conformidade;
Conhecimento de mecanismos de rastreabilidade e auditoria para registrar modelos, versões, prompts, fontes de contexto, ferramentas utilizadas, decisões automatizadas e aprovações humanas;
Capacidade de implementar human-in-the-loop, revisão humana, níveis de autonomia, aprovações e mecanismos de fallback em fluxos críticos ou de alto risco;
Conhecimento de estratégias para reduzir alucinações e aumentar a confiabilidade das respostas, como grounding, validação estruturada, uso de schemas, verificações determinísticas e revisão por múltiplas etapas;
Familiaridade com gerenciamento do ciclo de vida de modelos e aplicações de IA, incluindo seleção de modelos, versionamento, testes, atualização, substituição, controle de custos e avaliação contínua;
Familiaridade com frameworks e ferramentas para desenvolvimento, avaliação e observabilidade de aplicações de IA, como LangChain, LlamaIndex, Semantic Kernel, LiteLLM, Langfuse, Arize Phoenix, OpenTelemetry ou equivalentes.

#VemserPicpayLover #Picpay #LI-CF1 #LI-Remote