[Job - 30953] Mid Level Ai Data Engineer

Na CI&T , ajudamos grandes empresas a transformar o potencial da AI em impacto real nos negócios com AI Deployment, execução AI-native e tech-integrated business solutions. Com 30 anos de experiência em transformação tecnológica, aceleramos inovação com expertise em agentic SDLC, application modernization, Data & AI, martech e business strategy. Somos 8.000 CI&Ters em mais de 25 países, colaborando para construir soluções com impacto real. AI já faz parte da forma como trabalhamos, evoluímos e inovamos todos os dias. Importante: se você reside na Região Metropolitana de Campinas, sua presença nos escritórios da cidade será obrigatória, conforme a política de frequencia vigente. Estamos em busca de um AI Data Engineer Pl para se juntar a um time de dados que opera com inteligência artificial de forma nativa. A pessoa combina sólida engenharia de dados, modelagem, camadas analíticas, governança — com o uso de IA como parte central do fluxo de trabalho, não como apoio pontual. Missão Transformar dados brutos em produtos de dados confiáveis, documentados e reutilizáveis, garantindo uma fonte única e consistente de informação para o negócio, operando o ciclo de desenvolvimento de forma assistida por IA, com qualidade e segurança em produção. Responsabilidades Principais - Desenvolver transformações e modelos analíticos em Azure Databricks, ADF, Fabric e Power BI. - Construir e manter camadas analíticas (Bronze, Silver, Gold) e Modelos Semânticos orientados ao negócio. - Traduzir regras de negócio em modelos de dados escaláveis; definir, documentar e padronizar métricas corporativas. - Garantir qualidade, testes e observabilidade dos dados. - Apoiar a construção de datasets para Analytics e Agents. - Operar o SDLC com IA: codagen, testes, refactor e debugging assistidos. - Estruturar especificações que alimentam a IA (spec-driven development) e manter controle de qualidade sobre os outputs. - Construir e orquestrar agentes (multi-step, tool usage, planning + execution) integrados a repos, pipelines e APIs. - Promover boas práticas de modelagem, governança e documentação. Conhecimentos Necessários — Dados - SQL avançado - Modelagem de dados, Data Warehousing / Lakehouse - Databricks e Python - Boas práticas de qualidade, governança e documentação - Versionamento / GitHub Conhecimentos Necessários — IA & SDLC - Spec-driven development (especificação como input primário da IA) - Domínio sólido de SDLC (design → build → test → deploy → operate) - Uso avançado de IA no desenvolvimento (codegen, testes, refactor, debugging) - Construção de agentes (multi-step, tool usage, planning + execution) - Criação de skills reutilizáveis e composição de capacidades - Integração via MCP (Model Context Protocol) ou equivalente - Criação de slash-commands / interfaces operacionais baseadas em prompt estruturado - Orquestração de workflows (multi-agente ou humano + agente) - Integração com ferramentas (Git, CI/CD, issue tracking, observabilidade) - Avaliação crítica de outputs de IA (qualidade, segurança, consistência)