Portugal
ambi.
Block Labs
Engenheiro(a) de IA Aplicada
RemotoPortugal
Lisbon, Portugal
TypeScriptPythonSQL
Tradução automática. Consulte o original.
Sobre a Block
Labs A Block Labs é um estúdio de tecnologia de ponta que opera na vanguarda da Web3, Inteligência Artificial e iGaming. Não entregamos apenas funcionalidades; projetamos plataformas de alta escala e prontas para produção que impulsionam a próxima geração de produtos digitais.
Somos um coletivo de engenheiros seniores, estrategistas de produto e construtores que se recusam a comprometer a arquitetura. Seja projetando sistemas autônomos de IA multiagentes, construindo infraestrutura financeira descentralizada ou arquitetando plataformas de iGaming de alta frequência, nosso padrão é a excelência.
Agimos rápido, mas construímos para o longo prazo. Se você procura trabalhar ao lado de uma equipe que valoriza expertise técnica profunda, design de sistemas ponderado e propriedade de produto, a Block Labs é o seu lugar.
A Vaga
Estamos investindo em agentes de IA governados que trabalham diretamente com nossos clientes e equipes internas. Dados e Inteligência agora estão no centro de vários produtos que estamos desenvolvendo, e a plataforma que construímos está pronta para carregar inteligência mais avançada: tomada de decisão em tempo real, modelagem preditiva e agentes de IA governados.
Esta função reflete essa mudança. Nosso motor de decisão é regido por um registro formal de decisões: mais de 100 decisões em 15 módulos da plataforma, abrangendo portões de risco em tempo real, orquestração de recompensas e engajamento, roteamento de pagamentos, alertas de tesouraria e intervenções de jogo responsável. Humanos definem objetivos, orçamentos e portões de aprovação; IA e modelos de ML criam, pontuam, simulam e otimizam dentro deles; o motor executa deterministicamente dentro dos limites aprovados e registra tudo.
Como Engenheiro(a) de IA na equipe de Inteligência,
você é o engenheiro(a) de produto da plataforma de dados e agentes. Você constrói agentes de produção que respondem a perguntas reais de negócios e, à medida que ganham autonomia, agem com clientes reais e dinheiro real: fundamentados, auditáveis, protegidos contra entradas adversárias e controlados por aprovação humana onde os riscos exigem. E você constrói a inteligência por baixo e ao redor deles: os modelos e análises que impulsionam as decisões, e os painéis onde o negócio vê e direciona tudo, em uma plataforma onde uma decisão errada pode mover dinheiro e toda decisão deve ser reconstruível.
Que tipo de cultura posso esperar?
Madura, orientada por missão e com baixo ego. Valorizamos clareza sobre ruído, resultados sobre performances e ritmo sem caos. Se você é uma das mentes mais brilhantes em sua área e quer construir com outros especialistas, você se sentirá em casa aqui.
Principais Responsabilidades
Seu primeiro entregável é um agente de BI analista em SQL de produção: um agente nativo do Slack que responde a perguntas de negócios com SQL governado sobre o data warehouse analítico, com consultas validadas, resultados verificados e evidências citadas por trás de cada número.
A partir daí, a função equilibra quatro ofícios em medidas aproximadamente iguais: agentes de IA, machine learning, ciência de dados e os painéis e superfícies que os expõem.
Agentes de IA
- Construir e ser responsável por agentes analistas de ponta a ponta: agentes nativos do Slack que traduzem perguntas de negócios em linguagem natural para SQL governado sobre o data warehouse analítico, respondem a perguntas de P&L executivas, postam briefings diários de saúde e explicam movimentos de métricas com análise de causa raiz baseada em dados; protegidos por validação de SQL e esquema, verificações de sanidade de resultados e cruzamentos de métricas diárias contra visualizações de relatórios canônicas.
- Estender para agentes voltados ao cliente: triagem e roteamento de intenções, respostas baseadas em recuperação (RAG) sobre bases de conhecimento versionadas com fallbacks rigorosos de abortar e escalar, máquinas de estado conversacionais multi-turno, voz de marca localizada e lógica de escalonamento; integrados com nossas plataformas de helpdesk e CRM (ingestão de webhooks, gerenciamento de ciclo de vida de sessão, marcação de metadados de intenção, tickets de escalonamento automatizados com contexto de ferramenta pré-embalado).
- Construir a camada de ferramentas com estratificação de risco entre agentes e back-office APIs: ferramentas de coleta de contexto somente leitura, validação baseada em informações antes de qualquer ação, fluxos de trabalho de confirmação multi-turno e um switch por ferramenta que move mutações de baixo risco da aprovação principal para execução totalmente autônoma à medida que as evidências se acumulam. Endurecer agentes contra entradas adversárias: triagem de injeção de prompt, congelamento de limites de confiança em intenções sensíveis, caminhos de escalonamento de segurança silenciosos e defesas contra uso indevido de ferramentas e exfiltração de dados.
- Construir agentes na escada de autonomia usando LangGraph, o Anthropic Agent SDK / Model Context Protocol (MCP), ou frameworks de orquestração equivalentes. Projetar o loop de feedback fechado (captura de correções, registro de auditoria de decisões e harnesses de avaliação), incluindo suítes de regressão que provam que novas ferramentas ou intenções não introduzem degradação nos caminhos existentes.
Machine Learning
- Construir e colocar em produção os modelos por trás dos sinais de decisão da plataforma: modelos de churn, lifetime value e sensibilidade a bônus para engajamento; pontuações de risco de jogador compostas entre sinais de identidade, pagamento, jogabilidade, bônus e rede; detecção de conluio, jogo de bot e multi-contas; e detecção de anomalias para tesouraria e pagamentos.
- Entregar modelos como sinais governados, não notebooks: contratos versionados e com SLA com o motor de decisão e seus agentes, com monitoramento de frescor, desvio e calibração, e caminhos de retreinamento automatizados, servidos em tiers em tempo real (Kafka/MSK), quase em tempo real e em lote (ClickHouse).
Ciência de Dados
- Ser responsável pela pontuação de risco de retirada multi-vetor: pontuações por vetor com justificativa e confiança citadas, agregação consciente de evidências e re-pontuação automática quando evidências tardias chegam.
- Codificar regras de negócios com proprietários de domínio e manter a política auditável: traduzir a política em regras determinísticas e configuráveis; simular e testar retroativamente cada mudança de regra ou limite contra dados históricos antes da ativação; projetar grupos de controle e holdouts para medir o aumento real; e executar as análises aprofundadas que alimentam tanto seus agentes quanto a equipe executiva.
Painéis e Superfícies
- Construir as superfícies de supervisor e aprovação para seus agentes: filas de revisão com cartões de proposta de ação de um clique para mutações de alto risco, replay de sessão pesquisável expondo prompts, saídas de modelo, cadeias de raciocínio e chamadas de ferramenta, e um módulo de classificação estruturado cuja saída alimenta conjuntos de dados de avaliação e fine-tuning.
- Projetar e entregar os painéis através dos quais o negócio consome seu trabalho: visualizações de auditoria de decisões, painéis de desempenho de agentes (taxa de correção, taxa de falha, volume de decisões por regra e vetor), filas de revisão de risco e visualizações de KPI construídas com a equipe de BI, movendo o dashboarding em direção à detecção e explicação de anomalias assistida por IA.
Sobre Você
- 4+ anos de experiência em engenharia de software, ciência de dados ou machine learning, incluindo 1+ anos construindo agentes impulsionados por LLM em produção: uso de ferramentas e chamadas de função, saídas estruturadas, recuperação e memória, e orquestração multi-etapas com frameworks como LangGraph ou o Anthropic Agent SDK.
- Você entregou um sistema RAG em produção e pode falar concretamente sobre aterramento, chunking e qualidade de recuperação, controle de alucinação e quando recusar-se a responder.
- Você trata agentes voltados ao cliente como uma superfície de ataque: você pode explicar como se defenderia contra injeção de prompt, abuso de chamadas de ferramenta e vazamento de dados através de saídas de modelo.
- Propriedade do ciclo de vida de ML em produção: engenharia de features, treinamento, servimento, monitoramento e retreinamento. Experiência em detecção de fraude, risco ou abuso é um forte sinal: classes desbalanceadas, usuários adversários e decisões com custo assimétrico.
- Rigor estatístico: design de experimentos, holdouts e grupos de controle, medição de aumento e calibração de pontuação; você pode defender uma escolha de limite para um oficial de conformidade tão confortavelmente quanto para um engenheiro.
- Disciplina de avaliação para sistemas não determinísticos: você construiu harnesses de avaliação e suítes de regressão e detectou desvios de qualidade antes de seus usuários.
- Forte domínio de Python para serviços de produção, conforto em TypeScript para as superfícies de revisão e aprovação que você entregará, e fortes habilidades em SQL em bancos de dados analíticos colunares (ClickHouse preferencial).
- Capaz de levar seu próprio trabalho a uma superfície pronta para stakeholders: filas de revisão, interfaces de aprovação, painéis e aplicativos internos leves, usando um framework de front-end ou ferramentas como Streamlit. Você não espera que outra equipe torne seu trabalho visível.
- Experiência no design de sistemas onde as saídas de modelos alimentam a execução determinística, mantendo essa fronteira bem definida (modelos pontuam, sugerem e elaboram rascunhos; a lógica governada decide), com observabilidade e rastreamento de LLM (Langfuse, LangSmith ou similar) e responsabilidade pelo que você entrega, inclusive quando ocorrem falhas.
Diferenciais
- Experiência em iGaming ou outros ambientes de alta confiança e intensivos em transações onde segurança, prevenção de fraudes, auditabilidade, rastreabilidade, integridade de dados e controles operacionais robustos são requisitos de engenharia centrais.
- Experiência de integração com plataformas de helpdesk ou CS (Intercom, Zendesk ou similar): webhooks, APIs de conversas, assistente de agente ou automação completa.
- Exposição a fluxos de transações blockchain ou cripto-nativas, incluindo dados on-chain, clusterização de carteiras ou liquidação de stablecoins.
- Experiência com otimização restrita, bandits ou aprendizado por reforço aplicado dentro de restrições de negócios rígidas (orçamentos, limites, listas de exclusão).
- Experiência com motores de regras ou sistemas de gerenciamento de decisões, e desenvolvimento de aplicativos Slack.
- Experiência com eventos e streaming: consumidores de Kafka ou MSK, processamento idempendente e tratamento de falhas.
Como Trabalhamos
- Totalmente remoto com comunicação assíncrona como prioridade. Preferência por sobreposição de fuso horário da Europa.
- Equipe de Inteligência pequena e com alta autonomia dentro da função de Dados. Você se reporta ao Head de Dados e se coordena com as Equipes de IA, BI e Infraestrutura e, para agentes voltados ao cliente, com o Head de CS e os esquadrões de produto cujas plataformas seus agentes atendem.
- Decisões de arquitetura são documentadas e debatidas. Você participará de revisões de design e será responsável pelas decisões do seu domínio.
- Autonomia é conquistada por evidências. Modelos e agentes começam em modo somente de proposta, com controle humano, e progridem um nível de cada vez, apoiados por simulação e dados de resultados.
- Construímos para escala multi-tenant desde o primeiro dia. O que você entregar para um operador deve absorver o próximo sem esforço de engenharia adicional.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil