. Construção de soluções de IA Generativa + IA Tradicional: Desenvolver soluções que usam a sinergia entre os outputs de IA Generativa e os modelos estatísticos tradicionais (preditivos, propensão e risco) já existentes na companhia.. Arquitetura e Desenvolvimento de LLMs: Desenhar e implementar sistemas baseados em LLMs de ponta , garantindo a escolha do modelo ideal para cada caso de uso do negócio.Agentes Autônomos e Orquestração: Desenvolver sistemas multiagentes e fluxos de trabalho autônomos capazes de executar tarefas complexas de ponta a ponta (ex: talk to data, insights generation, etc).. Arquiteturas de Recuperação (RAG): Construir e otimizar pipelines avançados de RAG (Retrieval-Augmented Generation), utilizando bancos de dados vetoriais para indexar e buscar conhecimento interno da Porto com altíssima precisão.. Engenharia de Prompts e Fine-Tuning: Desenvolver técnicas avançadas de prompt engineering, few-shot learning e, quando necessário, coordenar o fine-tuning (ajuste fino) de modelos para domínios específicos de seguros e finanças.. Governança e Alinhamento: Implementar mecanismos de segurança, mitigação de alucinações, privacidade de dados (LGPD) e monitoramento de custos de API (LLMOps).Requisitos e qualificações . Graduação concluída em Ciência da Computação, Engenharia, Estatística, Matemática ou áreas de tecnologia correlatas.. Especialização, Mestrado ou projetos práticos comprovados com foco em Processamento de Linguagem Natural (NLP) ou IA Generativa. . Conhecimentos Técnicos (Hard Skills) em Frameworks de IA Generativa: Conhecimento com uso prático no universo das framerwoks como Google Agent Plataform, ADK, visual studio code, Stack Claude, LangChain, LlamaIndex, LangGraph, etc. Conhecimento em modelos preditivos e prescritivos complexos (Machine Learning, Deep Learning, NLP, etc.) . Programação e APIs: Experiência avançada em Python e no consumo de APIs de provedores de IA . Engenharia de Dados Aplicada: Conhecimento na estruturação de dados não estruturados (textos, PDFs, áudios) para treinamento e contextos de IA.LLM. Familiaridade com ferramentas de avaliação e monitoramento de LLMs e gerenciamento de cache/custos.Vibecoding: experiência de construção utilizando vibecoding (ex. prototipação de dashs ou geração de insights) . Inovação Pragmática: Capacidade de separar o hype da IA Generativa daquilo que realmente gera valor financeiro ou operacional para o negócio.. Resolução de Problemas Ambíguos: Conforto em trabalhar com tecnologias que evoluem semanalmente, descobrindo novos caminhos e padrões de arquitetura.. Comunicação Didática: Habilidade de explicar o comportamento (e as limitações) de modelos gerativos para executivos e áreas de negócio.