Head de AI Platform| 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 para liderar o time de AI Capabilities: a plataforma sobre a qual todo agente e todo modelo da nstech é construído, executado e medido, dos assistentes internos às funcionalidades que chegam ao cliente. Você define a arquitetura, monta o time e coloca a primeira versão da plataforma em produção, com agente de verdade rodando sobre ela. O ponto de partida é raro: dados de viagem, veículo, motorista, documento fiscal e ocorrência de risco de toda a cadeia de transporte, numa escala que pouca gente no mundo tem para trabalhar. O desenho que buscamos é um runtime único, com exigências diferentes para agente interno e agente de produto, de forma que o segundo agente custe uma fração do primeiro. Por que esta vaga É fase de fundação, com mandato: arquitetura, stack e padrões de engenharia da plataforma de IA passam pelas suas decisões A camada que ensina um agente o que é uma viagem ou um documento fiscal não existe pronta no mercado. Você vai escrevê-la Reporte direto ao Diretor de IA, perto das decisões de produto da companhia O que o seu time entrega roda em operação logística real, em dez países

Definir a arquitetura da plataforma de IA: gateway de LLMs, camada de MCP, catálogo de tools e o escopo da primeira versão Colocar em produção a primeira versão da plataforma de agentes, com o primeiro agente novo rodando sobre ela Construir a camada de contexto — ontologia, regras de negócio e APIs dos produtos expostas como tools —, começando por documento fiscal e viagem Montar o ferramental de ML com feature store, registro de modelos, serving e monitoramento, para os cientistas de dados que treinam os modelos de produto Implantar evals que bloqueiam o deploy quando falham, e dar visibilidade de custo por execução, latência e taxa de sucesso de cada agente Operar a plataforma como serviço para outros times, com nível de serviço e responsabilidade em incidente acordados com Engenharia Contratar, desenvolver e liderar o time: AI Engineers e Machine Learning Engineers Com quem você trabalha Com os times de produto, que constroem agentes sobre a plataforma, e com os cientistas de dados que usam o ferramental de ML. Com a Diretoria de Dados, dona do lakehouse e dos pipelines em que a plataforma se apoia. E com Engenharia, que cuida da infraestrutura base e das ferramentas de IA para desenvolvedores.

Liderança de time de engenharia de plataforma ou infraestrutura, com responsabilidade por disponibilidade e não apenas por entrega Sistemas com LLM em produção, com custo por execução conhecido, avaliação automatizada e resposta definida para quando o modelo regride MLOps ponta a ponta: feature store, registro de modelos, serving e monitoramento Arquitetura de sistemas distribuídos e operação em produção — observabilidade, plantão, gestão de incidente Experiência construindo plataforma ou serviço interno usado por outros times de engenharia Gestão direta de pessoas técnicas sêniores, incluindo contratação Desejáveis Databricks em produção, incluindo ciclo de vida de modelo MCP, catálogo de tools ou orquestração multiagente Python e stack de dados moderna (Kafka, Spark, dbt ou equivalentes) Cloud e infraestrutura como código Definição de nível de serviço entre times

Ambiente com auditoria ou exigência regulatória sobre decisão automatizada (LGPD, explicabilidade, linhagem) Logística, transporte, seguros ou outro domínio de alto volume transacional Multi-tenancy e isolamento de dado por cliente em produto SaaS Contribuição em comunidade técnica, publicação ou open source em IA aplicada

Convênio médico; Plano odontológico; Ticket refeição; Gympass; Zenklub: duas consultas mensais sem custo; Seguro de vida; Auxílio funeral.