Cargo: Especialista em Integração de IA e Fluxos No-code/Low-codeTipo de Bolsa: Bolsa de Desenvolvimento Tecnológico Nível I (R$ 5.200,00).
O valor não é negociável devido ser um projeto da Fapemig.Requisitos para a Bolsa:Possuir título de doutor em área compatível com as atividades previstas no projeto;ou possuir título de graduação, com no mínimo 6 (seis) anos de efetiva experiência em atividades de pesquisa, desenvolvimento tecnológico ou inovação, relacionadas com as atividades do projeto.Local de Trabalho: Preferencialmente presencial na sede da EnvironBIT, em Lavras, Minas Gerais.
A atuação em home office é possível, mas daremos preferência a candidatos que possam trabalhar presencialmente.Duração da Bolsa: 22 mesesInício: fevereiro de 2025Descrição Geral:O Especialista em Integração de IA e Fluxos No-code/Low-code será responsável, inicialmente, por criar e otimizar agentes de IA voltados para a melhoria de processos internos, CRM e comunicação corporativa, utilizando predominantemente plataformas no-code/low-code.
Ao longo do projeto, este profissional evoluirá para atuar no pré-processamento e processamento de dados, auxiliando cientistas de dados na preparação de informações para análise.
Na fase final, integrará modelos preditivos a fluxos decisórios, contribuindo para a tomada de decisão baseada em dados.
Assim, o profissional transitará desde soluções de automação interna até a orquestração de modelos de IA generativa e preditiva, garantindo integração fluida entre ferramentas, dados e equipes.Atividades Principais:1.Criação de Multiagentes para Gestão Interna e CRM:•Desenvolver agentes de IA utilizando ferramentas no-code/low-code (como N8n, LangFlow, Flowise, CrewAI) para aprimorar processos de gestão, CRM, comunicação interna e externa.•Integrar rapidamente esses agentes a APIs de IA generativa (OpenAI, Gemini e outros), bem como a sistemas internos e soluções de CRM, assegurando automação e melhoria contínua de fluxos de trabalho.2.Evolução para Pré-Processamento e Processamento de Dados:•Apoiar o time de ciência de dados na preparação, limpeza e organização de dados, viabilizando pipelines ágeis e reprodutíveis.•Utilizar conectores e integrações no-code/low-code para incorporar dados a indexadores vetoriais e outras ferramentas, facilitando a recuperação semântica e o contexto para modelos de linguagem.3.Integração de Modelos Preditivos e IA Generativa:•Orquestrar a integração de modelos preditivos desenvolvidos pelos cientistas de dados aos sistemas internos de suporte à decisão.•Garantir que os agentes de IA e modelos de ML (classificação, recomendação, análise preditiva) sejam incorporados aos fluxos de negócios e processos-chave, fornecendo informações precisas e contextualizadas.4.Monitoramento, Ajustes e Otimização Contínua:•Monitorar a eficácia dos agentes e modelos implementados, ajustando fluxos, prompts e integrações conforme o feedback dos usuários e métricas de desempenho.•Introduzir gradualmente práticas básicas de MLOps, versionamento de modelos e monitoramento da performance em produção, mantendo um ciclo de melhoria contínua.Aptidões Requeridas:1.Experiência em Ferramentas No-code/Low-code e Integrações:•Domínio de plataformas como N8n, LangFlow, Flowise e CrewAI para construção de fluxos automatizados sem necessidade de codificação extensiva.•Capacidade de integrar rapidamente múltiplas APIs (OpenAI, Gemini, CRMs) e serviços em nuvem, garantindo que soluções possam ser prototipadas e ajustadas de forma ágil.2.Conhecimento de Pré-Processamento e Organização de Dados:•Experiência básica em tratamento e limpeza de dados, bem como em fluxos que facilitem o acesso e preparação de informações para a ciência de dados.•Familiaridade com bases de dados estruturadas e não estruturadas, e, se possível, indexadores vetoriais (Pinecone, Weaviate, ChromaDB).3.Integração de Modelos de IA Generativa e Preditiva:•Capacidade de orquestrar a integração de modelos de linguagem, agentes inteligentes e, posteriormente, modelos preditivos no fluxo de tomada de decisão.•Noções de prompt engineering, fine-tuning leve e uso eficiente de APIs de IA generativa.4.Conceitos de Monitoramento e Ajuste Contínuo:•Habilidade para monitorar a eficácia dos agentes e modelos, corrigir fluxos e implementar melhorias a partir do feedback.•Conhecimentos básicos de monitoramento de performance, logging estruturado e práticas iniciais de MLOps.Aptidões Desejadas:1.Experiência em Computação em Nuvem:•Familiaridade com serviços gerenciados da AWS ou GCP para facilitar integrações, armazenamento e serviços de IA.2.Segurança e Compliance:•Noções de segurança na integração de APIs, gerenciamento de chaves e tokens, bem como adequação a normas de privacidade de dados.3.Processamento de Dados em Tempo Real:•Conhecimentos iniciais em ferramentas de mensageria ou streaming de dados (Kafka, Pub/Sub) para fluxos dinâmicos e em tempo real.4.Familiaridade com Ciência de Dados e ML:•Conhecimento básico de modelos de Machine Learning, métricas de avaliação, bem como entendimento para dar suporte a cientistas de dados na seleção e ajuste de modelos.Soft Skills:• Habilidade Analítica: Capacidade de decompor problemas complexos em fluxos de trabalho automatizados e conectar sistemas de maneira coesa.• Comunicação Eficiente: Aptidão para interagir com equipes multifuncionais (cientistas de dados, gestores, equipe de CRM) e explicar integrações técnicas de forma clara.• Proatividade na Solução de Problemas: Disposição para testar rapidamente diferentes abordagens, ajustar fluxos e aprender novas ferramentas no-code/low-code conforme necessário.• Trabalho em Equipe: Facilidade em colaborar com profissionais técnicos e não técnicos, servindo de elo entre áreas de negócio e ciência de dados.