AI Researcher | Remoto

A nstech é a maior plataforma de tecnologia e softwares para logística e supply chain da América Latina. Ela conecta toda a cadeia de transporte — embarcadores, transportadoras, corretores e motoristas — em um único ecossistema digital para tornar as operações mais eficientes, seguras e econômicas. A nstech está estruturando sua área de IA para levar essa escala para dentro dos produtos e da operação: agentes e modelos que resolvem problemas reais de quem move carga, com valor medido. São quatro times — adoção de IA nas áreas de negócio, plataforma de agentes e modelos, IA nos produtos e pesquisa aplicada — num momento em que há muito a construir. Buscamos uma pessoa AI Researcher para o AI Lab, o time de pesquisa aplicada da área de IA, que reporta direto ao Diretor de IA. A principal linha de pesquisa é um modelo de linguagem especializado em logística, treinado sobre o corpus proprietário da companhia — documento fiscal, viagem, ocorrência de risco, comunicação de operação — numa escala que poucas empresas no mundo têm. A pergunta é concreta: um modelo pequeno e especializado consegue igualar um modelo de fronteira na tarefa que mais importa para a nstech, por uma fração do custo por execução? Você monta o inventário do corpus, desenha e custeia a receita de post-training, roda a prova de conceito numa tarefa de alto volume, medida contra modelo de fronteira, e recomenda o próximo passo com base no resultado. No caminho, publica o primeiro benchmark da nstech, a régua com que a companhia passa a escolher modelo. É pesquisa aplicada em ciclo curto: hipótese, experimento, medição e decisão. Por que esta vaga Um corpus que não está em nenhum dataset público, e a chance de transformá-lo em modelo Pesquisa com efeito direto em produto e em custo, não em relatório Liberdade de método, com o critério de sucesso combinado antes do experimento Contato direto com a liderança da área e com o time que coloca modelo em produção

Levantar o inventário do corpus de dados da companhia, com parecer sobre o que pode ser usado para treinamento Documentar e custear a receita de post-training — dados, método, GPU-hora e prazo Rodar a prova de conceito do modelo especializado numa tarefa de alto volume, medida contra modelo de fronteira em qualidade, latência e custo Recomendar o próximo passo do modelo a partir do resultado, contra critério declarado antes do experimento Publicar a primeira versão do Benchmark nstech e mantê-la utilizável pela plataforma de agentes Acompanhar a literatura e o mercado de modelos, trazendo o que muda as decisões da companhia Trabalhar com o time de plataforma na integração entre benchmark, gestão de modelos e agentes

Experiência em pesquisa aplicada com modelos de linguagem: fine-tuning, post-training ou adaptação de domínio, com resultado medido Domínio prático de PyTorch e do ecossistema de treinamento (Hugging Face, LoRA/QLoRA, quantização, serving de modelo aberto) Metodologia de avaliação: construção de benchmark, conjunto dourado, medição contra baseline e leitura honesta de resultado Python e/ou Node em nível profissional, com prática de teste, revisão e CI/CD Trabalho com dado em larga escala Capacidade de planejar e custear experimento — GPU-hora, prazo, critério de parada Clareza para escrever o que encontrou, inclusive quando o achado é que não vale seguir Uso crítico e cotidiano de ferramentas de IA no próprio trabalho Desejáveis Curadoria e preparação de corpus, incluindo deduplicação, filtragem e avaliação de qualidade Treinamento distribuído e otimização de custo em GPU Publicação acadêmica, contribuição open source ou modelos publicados Databricks, Spark ou stack equivalente de processamento Inglês para leitura e produção técnica

Modelos de domínio específico levados a produção Dado textual estruturado de natureza fiscal, jurídica ou operacional Logística, transporte ou seguros Avaliação de risco e viés em modelos generativos