Forward Deployed Engineer SR (FDE)

FDE, PROFISSIONAL DO AGORA! Missão Transformar uma pergunta da liderança do cliente em uma solução de dados e IA que roda em produção, é usada no dia a dia e gera um ganho que o próprio cliente declara. Você é dono do caso de uso, da pergunta ao ROI medido. O que você resolve A IA para no piloto porque ninguém é dono do caminho até a produção: o dado está espalhado, a métrica significa coisas diferentes em cada área e a adoção fica sem responsável. Você fecha essa distância, embarcado na área de negócio do cliente, sobre a plataforma de dados que ele já tem. O que você entrega Mapa das perguntas reais da área usuária e do número que ela quer mover, com o baseline medido antes de construir. Camada semântica e métricas acordadas entre as áreas. Agentes de dados configurados nas plataformas parceiras: Databricks (Genie, Agent Bricks), Microsoft Fabric (Data Agent, Copilot Studio), Snowflake Cortex, Claude ou Amazon Bedrock. Integrações leves quando a configuração não basta: Python, APIs e MCP. Conjunto de avaliação do agente, taxa de acerto e monitoramento. Governança aplicada: permissões, segurança por linha e coluna, origem rastreável, LGPD. Rollout, treinamento do time do cliente e painel de adoção. Medição mensal do ganho contra o baseline, declarada pelo cliente. Padrões reutilizáveis registrados para virar acelerador.

3 anos ou mais em dados ou IA (engenharia de dados, analytics engineering, BI ou ciência de dados). SQL avançado e modelagem dimensional ou semântica. Python funcional para integrações, automações e testes. Experiência prática com pelo menos uma plataforma parceira: Databricks, Microsoft Fabric, Snowflake ou AWS. Ter colocado em produção algo que usuários de negócio usam no dia a dia. Conduzir conversa com área de negócio e liderança: perguntar, discordar e apresentar resultado. Noções sólidas de RAG, prompts, avaliação de LLM e governança de dados.

Certificação Databricks, Microsoft, Snowflake ou AWS. Experiência com MCP, orquestração de agentes ou Claude Code. Vivência em um setor (serviços financeiros, agro, varejo). Experiência em consultoria ou em função técnica voltada a cliente. Núcleo e ênfase Todo FDE tem o núcleo comum: negócio do caso de uso, SQL e camada semântica, agente em plataforma parceira, produção, adoção e medição de ROI. Depois de pronto, escolhe uma ênfase: dados (pipelines, modelagem, governança profunda) ou IA (Python, MCP, evals, integração em software). O que não é responsabilidade do FDE Pipelines de ingestão complexos e migração de legado: engenheiro de dados do pod. Integrações pesadas, tools e harness complexos: AI Engineer. Modelos de machine learning: cientista de dados. Vender e priorizar o portfólio da conta: SA e AE. Como você é medido Solução em produção, tempo até o primeiro ganho, adoção (quem deveria usar, usa), acerto do agente, ROI declarado pelo cliente contra o baseline e reuso. Não por horas, linhas de código ou entregas. Formação Trilha interna com sete módulos (método Dataside, camada semântica e governança, agentes nas plataformas parceiras, evals, integração, produção e adoção, conduta de campo), cada um com prática em cliente real e padrinho. Você entra como FDE em formação e vira FDE pronto por evidência: discovery conduzido sozinho, agente em produção com eval, adoção medida e ROI declarado por um cliente.