Engenheiro de Dados e Plataforma de Agentes Sênior (AWS)

A Leega é uma empresa focada no atendimento eficiente e inovador em seus clientes. 

Isso não poderia ser diferente com o nosso principal combustível: as pessoas!  

Nossa cultura é inspiradora e nossos valores estão presentes no dia a dia: ética e transparência, excelência de qualidade, trabalho em equipe, responsabilidade econômica, social e ambiental, relações humanas e credibilidade.

Buscamos profissionais inovadores que sejam movidos por desafios e focados em resultados.

Se você busca uma empresa dinâmica e parceira e que investe em seus colaboradores através de capacitação constante, a Leega é o lugar para você!

>> A LEEGA É PARA TODOS, ficaremos muito felizes em ter você em nosso time. Venha fazer parte da nossa história e da construção do nosso futuro. 

Cadastre-se agora mesmo em nossas vagas!

A empresa está montando sua infraestrutura de IA na AWS. O plano inclui uma arquitetura de referência, RAG sobre bases internas e vários agentes em produção que conversam entre si: um orquestrador que divide o trabalho entre agentes especializados. Ainda está em discussão separar a conta de IA da conta de dados. A ideia é começar na Virgínia (us-east-1) e migrar depois para São Paulo por motivos regulatórios.

A pessoa contratada será a ponte entre o time de dados e o de IA. Ela garante que o pipeline entre as contas e a camada que entrega dados, ferramentas e memória aos agentes tenham um dono claro.

Responsabilidades

Dados para IA

* Construir intelectualmente as estruturas de IA e ML

* Construir e manter os pipelines que alimentam o Bedrock Knowledge Base e os agentes: ingestão, limpeza, chunking e vetorização.

* Definir contratos de dados (schemas, frescor, SLAs) para cada fonte que os agentes consomem.

* Criar, Manter e Atualizar esteiras de MLOPS

Plataforma multiagente

* Dar suporte à orquestração entre agentes: supervisor e subagentes, agentes como ferramentas, fluxos em grafo ou swarm. Usar Strands Agents, colaboração multiagente do Bedrock e AgentCore (Runtime, Gateway, Memory, Identity).

* Expor dados e sistemas internos como ferramentas reutilizáveis via servidores MCP e AgentCore Gateway, com versionamento e um catálogo de ferramentas.

* Desenhar a gestão de estado e memória compartilhada entre agentes (curto e longo prazo, por sessão e por usuário), sem que dados vazem entre contextos ou clientes.

* Apoiar a comunicação entre agentes (protocolo A2A, eventos via EventBridge, SQS e Step Functions), com idempotência, timeouts, retries e proteção contra loops.

* Aplicar privilégio mínimo por agente e por ferramenta: identidade própria, escopo de acesso a dados e trilha de auditoria de cada ação executada.

Contas, infraestrutura e custo

* Desenhar o acesso entre contas AWS (IAM roles cross-account, Lake Formation), evitando copiar dados sempre que possível.

* Implantar toda a infraestrutura como código (Terraform), incluindo agentes, ferramentas e guardrails, para promover o que funciona do sandbox para produção.

* Aplicar tags, orçamentos e métricas de custo por área, projeto, modelo e agente, com visibilidade do custo por fluxo ou conversa (FinOps).

Governança, observabilidade e resiliência

* Garantir governança e privacidade (LGPD, residência de dados por região) antes de dados sensíveis entrarem no ambiente de IA, inclusive no que circula entre agentes e fica guardado em memória.

* Implantar observabilidade de ponta a ponta: rastreamento distribuído das chamadas entre agentes e ferramentas (OpenTelemetry, AgentCore Observability, CloudWatch), latência, tokens e taxa de erro por etapa.

* Dar suporte a resiliência e DR (filas, multirregião, degradação controlada quando um agente ou ferramenta falha).

Requisitos obrigatórios

* Python e SQL sólidos.

* S3, Glue, Athena, IAM, Lake Formation e KMS.

* Terraform e CI/CD.

* Experiência prática com ambientes multiconta na AWS.

* Arquitetura orientada a eventos e sistemas distribuídos (filas, retries, idempotência, consistência).

* Experiência construindo ou operando ao menos uma aplicação com LLM em produção (RAG ou agente com ferramentas).

* Noções de FinOps na AWS (tags, Cost Explorer, orçamentos).

* LangChain

* LangGraph

* MLOps e LLMOps: avaliação de agentes e fluxos multiagente, guardrails, monitoramento de drift e de qualidade das respostas.

Diferenciais

* Amazon Bedrock (Knowledge Bases, Guardrails, colaboração multiagente) e AgentCore.

* Frameworks de agentes como Strands, LangGraph ou CrewAI, e padrões de orquestração multiagente.

* MCP (construção de servidores) e A2A.

* Bancos vetoriais e as opções discutidas: S3 Vectors, OpenSearch e Milvus. GraphRAG é um bônus.

* Data Mesh e arquitetura hub-and-spoke.

* Certificações: AWS Certified Data Engineer – Associate, ML Engineer – Associate, FinOps Certified Practitioner.

* Experiência em serviços financeiros e em ambientes regulados.

* Estrutura e HubSpoken 

Competências comportamentais

* Comunicar-se bem com cientistas de dados, áreas de negócio e parceiros externos.

* Postura de segurança e rigor com dados sensíveis, especialmente quando agentes agem de forma autônoma.

* Decidir com trade-offs explícitos. Por exemplo: copiar dados ou acessar cross-account, um agente generalista ou vários especializados, memória compartilhada ou isolada.

* Autonomia para documentar e definir quem é dono de cada agente, ferramenta e fonte de dados entre os times

Modelo de atuação: HÍBRIDO sendo 3 dias presenciais e 2 dias home office, localizada na - Vila Nova Conceição/São Paulo.