Brasilien
Pavago
Bain & Company
Lead, Full stack AI Engineer
Brasilien
Warsaw, Masovian Voivodeship, Poland · São Paulo, Brazil
TypeScriptReactAWS
Automatische Übersetzung. Prüfe das Original.
BESCHREIBUNG & ANFORDERUNGEN
Was uns zu einem großartigen Arbeitsplatz macht
Wir sind stolz darauf, regelmäßig als einer der weltweit besten Arbeitgeber ausgezeichnet zu werden. Aktuell sind wir das am höchsten bewertete Beratungsunternehmen auf der Glassdoor-Liste der „Best Places to Work“ und haben den #1 Platz insgesamt bereits sieben Mal erreicht. Außergewöhnliche Teams bilden das Herzstück unserer Geschäftsstrategie, doch diese entstehen nicht durch Zufall. Sie erfordern einen bewussten Fokus darauf, eine breite Palette an Hintergründen, Kulturen, Erfahrungen, Perspektiven und Fähigkeiten in einem unterstützenden und inklusiven Arbeitsumfeld zusammenzubringen. Wir stellen Talente mit außergewöhnlichen Fähigkeiten ein und schaffen ein Umfeld, in dem sich jeder Einzelne beruflich und persönlich entfalten kann.
Mit wem Sie zusammenarbeiten werden
Sie werden Teil eines Teams, das Bains integrierte Suite von agentenbasierten Entscheidungstools entwickelt, die großen Unternehmen eine permanente Intelligenz für ihre wichtigsten Wachstumsentscheidungen bietet. Die Rolle befindet sich an einer Schnittstelle, die nur wenige Organisationen bieten können: die analytische Tiefe und der Kundenzugang einer erstklassigen Unternehmensberatung, der technische Anspruch eines Produktunternehmens und Ingenieursarbeit an der Grenze der angewandten KI.
Sie arbeiten innerhalb des festen Produktteams von Bain und entwickeln Software, die den weltweit größten Unternehmen hilft, die Fragen zu beantworten, die ihr Geschäft vorantreiben: wo investiert werden soll, worauf der Fokus liegen muss und wie man gewinnt. Die Wirkung dessen, was Sie bauen, ist direkt und unmittelbar, und die Plattform gewinnt mit jedem Release an Wert.
Die Plattform besteht aus zwei Schichten, die zusammenarbeiten: einem agentenbasierten Kern und einer Reihe von Entscheidungsmodulen, von denen jedes ein spezifisches kommerzielles Problem löst. Der Entwicklungslebenszyklus ist mit der realen Welt verbunden: Während Case-Teams branchen- und länderübergreifend mit Kunden zusammenarbeiten, fließt dieses Feedback direkt zurück in die Entwicklung und in das Produkt. Jedes Kundenprojekt macht die Plattform intelligenter, umfassender und widerstandsfähiger.
Dies ist ein Startup innerhalb eines etablierten Unternehmens. Sie erhalten echte Eigenverantwortung in der Frühphase und echten Einfluss auf Architektur und Produktrichtung, unterstützt durch Bains globale Reichweite, Kundenbeziehungen und das Engagement der Führungsebene; das Tempo eines Startups mit der Stabilität eines globalen Unternehmens.
Wir suchen Ingenieure, die erkennen, wie man ein Produktmodul verbessern kann, und diesen Instinkt in jeden Sprint einbringen, ohne dazu aufgefordert zu werden, und die sich bei Problemen wohlfühlen, für die es keine bekannte Lösung gibt. Die Arbeit umfasst Echtzeit-Entscheidungsmaschinen, Cloud-native Infrastruktur und Datenprobleme ohne Standardlösungen. Erfahrung mit agentenbasierten Systemen ist wichtig: Tool- und Kontextprotokolle wie MCP, Evaluierungstools, Speicherdesign und Entitätsauflösung über komplexe Unternehmensdaten hinweg. Dies ist angewandte KI in der Produktion, in großem Maßstab, mit echten Nutzern, die von Ihrer Arbeit abhängen. Das Feld entwickelt sich schnell und das Team ist darauf ausgelegt, mitzuhalten, daher zählt die Bereitschaft, ständig dazuzulernen, genauso viel wie das, was Sie bereits wissen.
Wo Sie im Team angesiedelt sind
Der Full-stack Engineer entwickelt und liefert die Produktschnittstellen und backend-Dienste, die die analytischen Fähigkeiten des Growth AI Performance Systems für Nutzer innerhalb eines spezifischen Produktmoduls, Marketing-ROI, Markenstrategie oder Preis- und kommerzielle Analysen zugänglich machen. Unter der Leitung des Tech Leads und in Zusammenarbeit mit dem Data Scientist verantworten Sie spezifische Feature-Bereiche innerhalb des Moduls: die Dashboards, Workflow-Tools, Szenario-Schnittstellen und Ausgabeansichten, die Expert Consultants, Spezialisten und leitende Kundenvertreter in Live-Projekten nutzen.
Sie arbeiten über die Plattform- und Produktmodule hinweg mit Fokus auf Marketing-ROI, Marken- oder Preisstrategie und erstellen Schnittstellen, die komplexe Modellausgaben für professionelle Nutzer navigierbar, glaubwürdig und umsetzbar machen, die schnell handeln und diese der Führungsebene präsentieren müssen. Die Nutzer dieses Produkts sind anspruchsvoll; die Schnittstellen müssen schnell, kompakt und eindeutig sein.
Diese Rolle liegt an der Schnittstelle von Produktentwicklung und der Bereitstellung angewandter KI. Sie integrieren die Modellausgaben des Data Scientists und die agentenbasierten Fähigkeiten des KI-Engineering-Teams in nutzerorientierte Funktionen, arbeiten nach Designvorgaben des Design Leads und tragen zu den vom Tech Lead festgelegten Engineering-Standards bei. Ihre Arbeit bildet die Schicht zwischen der analytischen Intelligenz der Plattform und den Kundenvertretern, die darauf angewiesen sind.
Der Entwicklungslebenszyklus ist hier direkt mit echten Kundenprojekten verbunden. Feedback von Beratungsteams aus Live-Einsätzen fließt zurück in das Produkt, und was Sie in einem Sprint ausliefern, kann innerhalb weniger Wochen vor einem CMO oder Category Director präsentiert werden. Sie werden mit Beratungsteams zusammenarbeiten, um zu verstehen, wie das Produkt in der Praxis eingesetzt wird, und dieses Feedback in technische Verbesserungen übersetzen.
Was Sie tun werden
Entwicklung und Bereitstellung von Produktfunktionen
- Entwicklung und Bereitstellung von End-to-End-Produktfunktionen innerhalb eines Growth AI Performance System-Moduls, von der Designübergabe und API-Integration bis hin zur Produktion und Wartung, wobei Sie spezifische Schnittstellenbereiche verantworten, die sowohl die backend-Serviceschicht als auch die React-Komponenten umfassen, die dem Nutzer die Funktionen zugänglich machen
- Implementierung der zentralen analytischen Schnittstellen Ihres Moduls: Marketing-ROI-Dashboards und Kanalallokationsansichten, Markenstärke-Ausgaben und Szenariovergleiche oder Tools für Preiselastizität und Werbeeffekte, konzipiert für Experten, die komplexe analytische Inhalte schnell und sicher navigieren müssen
- Erstellung von Szenarioplanungs- und Was-wäre-wenn-Schnittstellen, bei denen Nutzer Modelleingaben anpassen und Ausgaben in Echtzeit sehen können; Implementierung des Data-Bindings, des State Managements und des API-Designs, das diese Interaktionen unter den Latenzanforderungen einer Live-Kundensitzung schnell und zuverlässig macht
- Integration der Modellausgaben des Data Scientists und der agentenbasierten Fähigkeiten des KI-Engineerings in nutzerorientierte Produktfunktionen; Aufbau der API- und Datentransformationsschicht, die analytische Ausgaben strukturiert, validiert und für das frontend in einer Form bereitstellt, die Schnittstellen zuverlässig konsumieren können
- Implementierung von Datenvisualisierungskomponenten für modulspezifische analytische Inhalte: Zeitreihenansichten, Wasserfalldiagramme, Allokationsvergleiche, Elastizitätskurven und Szenario-Ausgabeanzeigen unter Verwendung moderner Visualisierungsbibliotheken mit der Leistung und Genauigkeit, die professionelle Analysetools erfordern
Engineering-Qualität und Zusammenarbeit
- Schreiben von sauberem, testbarem und wartbarem Code über den gesamten Softwareentwicklungslebenszyklus hinweg; Implementierung von CI/CD-Pipelines, automatisierten Tests und Deployment-Workflows, die eine schnelle Iteration unterstützen, ohne die Produktionsstabilität in Live-Kundenumgebungen zu gefährden
- Enge Zusammenarbeit mit dem Data Scientist bei der Strukturierung von Modellausgaben für die Produktnutzung: Definition von Datenschemata, API-Verträgen und Ausgabeformaten, die der Schnittstellenschicht die benötigten Daten liefern, ohne Einschränkungen aufzuerlegen, die Modellierungsentscheidungen begrenzen
- Arbeit nach Designvorgaben des Design Leads; getreue Implementierung von Komponenten, frühzeitiges Aufzeigen von Machbarkeitsbeschränkungen und Beitrag zur Feedbackschleife zwischen Design und Engineering, die die Schnittstellenqualität über das gesamte Modul hinweg hoch hält
- Beitrag zur Datenpipeline und API-Schicht des Moduls in Zusammenarbeit mit dem Data Engineer: Sicherstellung, dass die Daten, die von vorgelagerten Quellen durch die Transformationslogik zum frontend API fließen, validiert, konsistent strukturiert und mit der für die Schnittstelle erforderlichen Latenz bereitgestellt werden
- Anwendung von DevSecOps-Prinzipien über den gesamten full stack hinweg: Authentifizierung und Autorisierung, sicherer Umgang mit kommerziellen Kundendaten und Einhaltung der Datenschutzverpflichtungen, die für Unternehmenskunden-Deployments relevant sind
Zusammenarbeit und Kommunikation
- Austausch mit Beratungsteams während und nach Live-Kundenprojekten, um zu verstehen, wo die Produktschnittstelle Reibungspunkte, Leistungsprobleme oder Glaubwürdigkeitsfragen verursacht; Übersetzung dieses Feedbacks in priorisierte technische Verbesserungen
- Beitrag zu Sitzungen mit leitenden Stakeholdern, in denen Modulschnittstellen demonstriert und erklärt werden; Entwicklung der Fähigkeit, technische Entscheidungen und Schnittstellen-Abwägungen in geschäftlichen Begriffen gegenüber Beratungsteams und im Laufe der Zeit gegenüber leitenden Stakeholdern zu präsentieren
- Klare Kommunikation innerhalb des Modulteams: mit dem Tech Lead zu Architektur-Entscheidungen, mit dem Data Scientist zur Integration von Modellausgaben, mit dem Design Lead zur Umsetzung von Designvorgaben und mit dem Data Engineer zur Datenzugriffsschicht
- Vorantreiben kontinuierlicher Verbesserungen: proaktive Identifizierung von Möglichkeiten, das Produkt schneller, zuverlässiger oder nützlicher für die professionellen Nutzer zu machen, die darauf angewiesen sind; diesen Instinkt in jeden Sprint einbringen, ohne darauf zu warten, dazu aufgefordert zu werden
Über Sie
Technisch
- Starke Kenntnisse in React und TypeScript für komplexe frontend-Entwicklung; fundierte Beherrschung von Komponentenarchitektur, State Management und den Engineering-Konventionen, die Produkt-Codebasen wartbar machen, während Funktionen hinzukommen
- Starke Kenntnisse in der serverseitigen Entwicklung; Erfahrung im Aufbau zuverlässiger, versionierter APIs und backend-Dienste, die analytische und KI-generierte Ausgaben für frontend-Clients mit den Latenz- und Zuverlässigkeitsstandards bereitstellen, die Live-Kundenprojekte erfordern
- Erfahrung im Aufbau datenintensiver analytischer Schnittstellen: diagrammlastige Dashboards, Echtzeit-Szenario- und Was-wäre-wenn-Tools, Ansichten für den Vergleich mehrerer Variablen und Allokationsanzeigen unter Verwendung moderner Visualisierungsbibliotheken
- Erfahrung in der Integration statistischer Modellausgaben und KI-generierter Inhalte in nutzerorientierte Produktfunktionen; Verständnis dafür, wie analytische Ausgaben strukturiert, validiert und in einer Form bereitgestellt werden, die frontend-Schnittstellen zuverlässig konsumieren können
- Fundierte Engineering-Grundlagen: sauberer, testbarer Code; Verantwortung für CI/CD-Pipelines; automatisierte Tests; Debugging und Performance-Profiling auf Produktionsniveau; sowie die Disziplin, Funktionen zu entwickeln, die vom gesamten Team gewartet werden können
- Erfahrung im Deployment und Betrieb von full-stack-Anwendungen auf Azure oder AWS; Vertrautheit mit Containerisierung und der Art und Weise, wie frontend- und backend-Dienste in einer Cloud-nativen Umgebung bereitgestellt und überwacht werden
- Verständnis von Authentifizierung, Autorisierung und sicherem Umgang mit Daten; Erfahrung in der Anwendung von DevSecOps-Prinzipien über eine full-stack-Anwendung hinweg, die sensible kommerzielle Kundendaten verarbeitet
- Aktive Nutzung von KI-gestützten Coding-Tools (Cursor, Claude Code oder gleichwertig), um die Entwicklung zu beschleunigen, Prototypen schneller zu erstellen und das Niveau der Engineering-Qualität im Modulteam zu heben
Erfahrung
- 5 oder mehr Jahre in full-stack-Software-Engineering-Rollen mit praktischer Verantwortung für die Entwicklung sowohl im frontend als auch im backend
- Erfahrung in der Integration von Data-Science- oder ML-Modellausgaben in Produktfunktionen; Verständnis dafür, wie statistische Modellergebnisse strukturiert und für einen zuverlässigen frontend-Konsum bereitgestellt werden müssen
- Erfahrung in der Arbeit in agilen, funktionsübergreifenden Produktteams an der Seite von Data Scientists und KI-Ingenieuren; starke Fähigkeiten zur Fehlerbehebung und Lösung von Produktionsproblemen
Bildung
Associate’s Degree / Bachelor-Abschluss in Informatik, Ingenieurwesen, Mathematik oder einem verwandten technischen Bereich; oder eine gleichwertige Kombination aus Ausbildung, Training und Erfahrung.
- Vertrautheit mit domänenspezifischen Datenmustern in mindestens einem Produktmodulbereich (Medienausgaben- und Attributionsdaten, Brand-Tracking- und Paneldaten oder Preis- und Werbedaten) ist ein starker Vorteil
- Nachweisliche Erfahrung in der Bereitstellung von Produktionsanwendungen mit datenintensiven analytischen Schnittstellen, auf die echte professionelle Nutzer angewiesen sind; Erfahrung in den Bereichen Analytik, kommerzielle Software oder beratungsnahe Produktumgebungen ist ein starker Vorteil
- Erfahrung in kundenorientierten oder beratungsnahen Umgebungen, in denen Schnittstellenentscheidungen direkte Konsequenzen dafür haben, wie professionelle Nutzer analytischen Ausgaben vertrauen und darauf reagieren, ist ein starker Vorteil
ALLGEMEINE INFORMATIONEN
Jobtitel Lead, Full stack AI Engineer
Job-ID 111329
Arbeitsbereiche Technologie & Engineering
Anstellungsart Unbefristet in Vollzeit
Standort(e) Sao Paulo, Warschau
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen