Estados Unidos
Be Structured Technology Group
Bain & Company
Diretor, Engenharia de IA e Machine Learning
Estados Unidos
Warsaw, Masovian Voivodeship, Poland · London, England, United Kingdom · Chicago, Illinois, United States · Boston, Massachusetts, United States · São Paulo, Brazil
PythonReactAWS
Tradução automática. Consulte o original.
DESCRIÇÃO E REQUISITOS
O que nos torna um ótimo lugar para trabalhar
Temos orgulho de sermos consistentemente reconhecidos como um dos melhores lugares para trabalhar no mundo. Atualmente, somos a empresa de consultoria mais bem classificada na lista de Melhores Lugares para Trabalhar do Glassdoor e conquistamos o #1 lugar geral um recorde de sete vezes. Equipes extraordinárias estão no centro da nossa estratégia de negócios, mas isso não acontece por acaso. Elas exigem um foco intencional em reunir uma ampla gama de origens, culturas, experiências, perspectivas e habilidades em um ambiente de trabalho acolhedor e inclusivo. Contratamos pessoas com talento excepcional e criamos um ambiente no qual cada indivíduo pode prosperar profissional e pessoalmente.
Com quem você trabalhará
Você fará parte de uma equipe que está construindo o conjunto integrado de ferramentas de decisão agentivas da Bain, que oferece às grandes organizações inteligência sempre ativa para suas decisões de crescimento mais importantes. A função está em uma interseção que poucas organizações podem oferecer: a profundidade analítica e o acesso ao cliente de uma consultoria de alto nível, a ambição técnica de uma empresa de produtos e o trabalho de engenharia na fronteira da IA aplicada.
Você trabalhará dentro da equipe de produto permanente da Bain, criando softwares que ajudam as maiores empresas do mundo a responder às perguntas que impulsionam seus negócios: onde investir, onde focar e como vencer. O impacto do que você constrói é direto e imediato, e a plataforma aumenta de valor a cada lançamento.
A plataforma possui duas camadas trabalhando juntas: um núcleo agentivo e um conjunto de módulos de decisão, cada um resolvendo um problema comercial distinto. O ciclo de vida de construção está conectado ao mundo real: à medida que as equipes de projeto trabalham ao lado de clientes em diversos setores e geografias, esse feedback flui diretamente de volta para a engenharia e para o produto. Cada interação com o cliente torna a plataforma mais inteligente, abrangente e resiliente.
Esta é uma startup dentro de uma empresa estabelecida. Você obtém propriedade genuína de estágio inicial e influência real sobre a arquitetura e a direção do produto, apoiado pela escala global, relacionamentos com clientes e compromisso de liderança da Bain; o ritmo de uma startup com a estrutura de uma empresa global.
Estamos procurando engenheiros que saibam como tornar um produto melhor e tragam esse instinto para cada sprint sem que lhes seja pedido, e que se sintam confortáveis com problemas que não têm uma resposta conhecida. O trabalho envolve mecanismos de decisão em tempo real, infraestrutura nativa em nuvem e problemas de dados sem uma resposta pronta. A experiência com sistemas agentivos é importante: protocolos de ferramentas e contexto, como MCP, estruturas de avaliação, design de memória e resolução de entidades em dados corporativos complexos. Esta é IA aplicada em produção, em escala, com usuários reais dependendo do que você constrói. O campo está avançando rapidamente e a equipe foi criada para acompanhar, então a disposição para continuar aprendendo conta tanto quanto o que você já sabe.
Onde você se encaixará na equipe
O Engenheiro de IA é um construtor central do Núcleo Agentivo e da Interface da plataforma Growth AI Performance System: a base compartilhada sobre a qual todos os três módulos de produto são construídos. Esta não é uma função de nível de módulo; você está construindo a camada de inteligência central: os fluxos de trabalho agentivos, pipelines de recuperação e conhecimento, integrações de ferramentas e infraestrutura de interface dos quais todos os produtos do conjunto dependem. Movendo soluções desde o POC inicial e MVP até implantações de produção em escala, você é responsável pela confiabilidade, qualidade e coerência dos sistemas que as equipes de clientes reais usam todos os dias.
Você trabalhará em toda a plataforma e nos módulos de produto focados em ROI de marketing, marca e estratégia de preços, traduzindo as questões analíticas e comerciais que as equipes de clientes estão tentando responder em sistemas agentivos confiáveis e de nível de produção que entregam essas respostas em escala.
A função exige tanto capacidade técnica profunda quanto consciência genuína do cliente. Você se envolverá diretamente com equipes de consultoria e, às vezes, com partes interessadas seniores, apresentando como o Núcleo Agentivo funciona, traduzindo decisões de design de sistema em termos de negócios e usando esse feedback para tornar a plataforma melhor. O ciclo de construção aqui é estreito: o envolvimento do cliente informa a engenharia, e cada lançamento torna o conjunto mais capaz.
Esta função está na interseção da pesquisa com a engenharia de produção. Os problemas raramente são resolvidos por ferramentas prontas: eles exigem julgamento sobre quando as abordagens agentivas agregam valor real, como construir sistemas que falham de forma graciosa e como medir a qualidade de maneiras que importam para usuários reais em compromissos reais com clientes.
O que você fará
Construindo o Núcleo Agentivo
- Construir e ser responsável por componentes principais do Núcleo Agentivo do Growth AI Performance System, a camada de inteligência compartilhada da qual todos os módulos de produto dependem, incluindo estruturas de orquestração multiagente, registros de ferramentas, gerenciamento de memória e estado compartilhado, e a infraestrutura de interface que disponibiliza os recursos da plataforma aos usuários
- Construir aplicações de IA para casos de uso corporativos em todo o ciclo de vida de entrega, desde POCs e MVPs rápidos até implantações de produção em escala, projetando fluxos de trabalho de IA que executam tarefas de várias etapas de forma confiável e segura – criando avaliações para medir a qualidade da saída, comparar o desempenho do modelo e validar a confiabilidade antes e depois da implantação
- Implementar padrões agentivos com forte julgamento sobre quando eles agregam valor real; construir recursos de agente robustos, incluindo engenharia de contexto, gerenciamento de memória e estado, raciocínio e planejamento, reflexão, orquestração, roteamento, seleção de ferramentas, chamada de funções e integração de ferramentas, com clara separação de responsabilidades para que o ecossistema de ferramentas escale de forma limpa
- Projetar e construir pipelines avançados de recuperação e conhecimento em diversas estruturas de dados (vetoriais, de palavras-chave, híbridas e baseadas em grafos), cobrindo geração e otimização de embeddings, estratégias de indexação, design de metadados, ajuste de relevância, cache, controles de acesso e atribuição de fonte
- Aplicar técnicas de ajuste fino e ajuste eficiente em parâmetros onde elas superam mensuravelmente apenas o prompting e a recuperação; executar experimentação de modelos e pesquisa em estágio inicial para informar decisões de arquitetura
- Integrar os recursos da plataforma em ambientes corporativos, equilibrando qualidade, latência, custo, privacidade e adoção; construir componentes reutilizáveis e aceleradores que escalam em todos os três módulos de produto
Qualidade e operações de engenharia
- Projetar para entrega real em todo o ciclo de vida de desenvolvimento de software: escrever código limpo, testável e sustentável; construir APIs e microsserviços para implantação nativa em nuvem; implementar práticas de MLOps, AIOps e GenAIOps, incluindo CI/CD, reprodutibilidade, paridade de ambiente e versionamento para modelos, prompts e agentes
- Construir avaliação e observabilidade para o Núcleo Agentivo: rastreamento e instrumentação de execução agentiva, suítes de testes de regressão, pipelines de pontuação automatizados e ciclos de iteração para otimização de prompts e políticas
- Projetar estruturas de avaliação que rastreiem a taxa de alucinação e consistência factual, relevância e precisão/recall de recuperação, latência e throughput, e custo por tarefa; alimentar sinais de usuário e feedback humano em ciclos de melhoria contínua e atualizações de modelo em andamento
- Aplicar habilidades de ciência de dados e ML conforme necessário para melhorar materialmente o desempenho ou a confiabilidade da plataforma: preparação de dados, engenharia de recursos, seleção de modelos, treinamento, validação e pipelines de avaliação reprodutíveis
- Projetar para implantação corporativa segura: controles de acesso, auditabilidade, tratamento responsável de dados sensíveis e diretrizes de IA responsável, incluindo fallbacks, red-teaming e revisão com humano no circuito (HITL); implementar requisitos de segurança, privacidade e governança em todos os serviços da plataforma; fazer parceria com as equipes globais de IA Responsável e ética da Bain para manter a plataforma alinhada com os padrões da empresa
Habilidades de comunicação com partes interessadas internas
- Envolver-se diretamente com equipes de consultoria e partes interessadas seniores para entender como o Núcleo Agentivo está sendo usado, onde ele falha e o que precisa mudar; traduzir esse feedback em melhorias concretas de engenharia
- Apresentar design de sistema agentivo complexo, compensações e decisões de implementação para partes interessadas seniores, incluindo C-suite e liderança executiva, em termos claros e não técnicos que construam confiança na plataforma
- Contribuir para sessões de descoberta e definição de soluções com equipes de projeto; atuar como uma voz técnica credível e composta que conecta decisões de engenharia a resultados comerciais; atuar como um parceiro de pensamento em estratégia de IA, escolhas de arquitetura, recursos emergentes e roteiros de implementação
- Impulsionar a inovação por meio de pensamento criativo; participar de POCs e fluxos de trabalho de inovação para validar novas ferramentas e tecnologias; manter-se atualizado com as tendências emergentes de IA e agentivas e compartilhar aprendizados com a equipe
- Fazer parceria próxima com colegas de produto, engenharia, ciência de dados, ética e infraestrutura para construir sistemas de IA robustos e compatíveis
- Orientar e aprimorar as habilidades de engenheiros e membros da equipe de projeto sobre as melhores práticas em RAG, agentes, engenharia de prompt e segurança de IA
Requisitos mínimos
Sobre você
Técnico
- Forte proficiência em Python e experiência na construção e integração de serviços de produção; experiência prática com LLM APIs, estruturas de orquestração agentiva e implantação de serviços no Azure ou AWS
- Experiência em projetar e implementar fluxos de trabalho agentivos e pipelines de LLM de várias etapas; familiaridade profunda com engenharia de contexto, gerenciamento de memória e estado, integração de ferramentas, lógica de roteamento, planejamento e reflexão, e padrões de orquestração; conhecimento prático de ReAct, RLAIF e outras técnicas de HITL e feedback-loop
- Experiência na construção de pipelines de recuperação e conhecimento em estruturas de dados vetoriais, de palavras-chave, híbridas e baseadas em grafos, incluindo uso prático de bancos de dados vetoriais e de grafos; compreensão da otimização de embeddings, estratégias de indexação, ajuste de relevância e como a recuperação se conecta a fluxos de trabalho impulsionados por LLM
- Proficiência com práticas de MLOps e AIOps: CI/CD para serviços de IA, versionamento para modelos, prompts e agentes, pipelines de avaliação automatizados e observabilidade para sistemas agentivos
- Engenharia de prompt avançada, engenharia de contexto e design de conversação; base sólida em design de avaliação, estruturas de experimentação e estratégias de rotulagem de dados para aplicações de LLM
- Sólidas habilidades de design e arquitetura de sistemas, com profunda familiaridade com otimização de custos e compensações computacionais para cargas de trabalho de LLM
- Capacidade de aplicar habilidades de ciência de dados e ML para melhorar o desempenho do sistema: engenharia de recursos, seleção de modelos, treinamento, validação e pipelines de avaliação reprodutíveis
- Fundamentos sólidos de engenharia: código limpo, testável e sustentável; revisão de código; controle de versão; testes automatizados; e perfil de desempenho
- Fluência nativa em IA no dia a dia da engenharia, uso ativo de ferramentas de codificação assistidas por IA (Cursor, Claude Code ou equivalente) para acelerar o desenvolvimento e prototipar mais rapidamente
- Compromisso demonstrado com práticas de IA responsável: controles de acesso, auditabilidade, consciência de viés e o julgamento para saber quando um sistema não está pronto para ser implantado
Experiência
- 10 ou mais anos em engenharia de software ou funções de IA aplicada com responsabilidades significativas de construção prática
- Histórico de entrega de sistemas de IA ou ML de produção de ponta a ponta, desde a experimentação inicial até a implantação ao vivo
- Experiência contribuindo para programas complexos de IA generativa de várias pilhas, desde a concepção até a produção, incluindo a orientação de outros engenheiros ao longo do caminho
- Experiência trabalhando em ambientes ágeis, multifuncionais de produto ou adjacentes à consultoria; fortes habilidades de solução de problemas e resolução de questões; confortável operando em ambientes de alta ambiguidade
- Experiência direta no envolvimento com clientes ou partes interessadas de negócios seniores em uma capacidade técnica, apresentando, aconselhando ou moldando soluções em ambientes adjacentes à consultoria é uma forte vantagem
Educação
Diploma de tecnólogo / Bacharelado em ciência da computação, engenharia, matemática ou área técnica relacionada; ou uma combinação equivalente de educação, treinamento e experiência
Informações de remuneração nos EUA
A remuneração para esta função inclui salário base, bônus anual de desempenho discricionário, plano 401(k) com uma contribuição anual do empregador com base nos anos de serviço e o melhor pacote de benefícios da categoria da Bain (detalhes listados abaixo).
Alguns governos locais nos Estados Unidos exigem que uma faixa salarial razoável e de boa fé seja incluída nas vagas de emprego para funções abertas. A remuneração anual estimada para esta função é a seguinte:
- Em Massachusetts, a faixa salarial anual de tempo integral razoável e de boa fé para esta função é entre $235,750 – $282,500; a colocação dentro desta faixa variará com base em vários fatores, incluindo, mas não se limitando a, experiência, educação, licenciamento/certificações, treinamento e nível de habilidade
- Em Illinois, a faixa salarial anual de tempo integral razoável e de boa fé para esta função é entre $225,750 – $270,500; a colocação dentro desta faixa variará com base em vários fatores, incluindo, mas não se limitando a, experiência, educação, licenciamento/certificações, treinamento e nível de habilidade
- Bônus anual de desempenho discricionário
- Esta função também pode ser elegível para outros elementos de remuneração discricionária
- Contribuição da empresa de 4.5% para o 401(k), que aumenta após 3 anos de serviço e é 100% adquirida na data de início
O programa abrangente de benefícios e bem-estar da Bain & Company foi projetado para ajudar os funcionários a alcançar independência pessoal, proteção e estabilidade nas áreas mais importantes para você e sua família.
- A Bain paga 100% dos prêmios individuais dos funcionários para programas médicos, odontológicos e de visão, oferecendo um dos planos médicos mais abrangentes para funcionários sem impactar seu contracheque
- Licença remunerada generosa, incluindo licença parental, licença médica e feriados remunerados
- Contribuição da empresa para o 401(k) totalmente adquirida
- Seguro de vida e invalidez de longo prazo pago
Para todos os outros locais, a faixa salarial anual de tempo integral razoável e de boa fé para esta função é compatível com as taxas de mercado geográficas competitivas para esta função e variará com base em vários fatores, incluindo, mas não se limitando a, experiência, educação, licenciamento/certificações, treinamento e nível de habilidade.
INFORMAÇÕES GERAIS
É ilegal em Massachusetts exigir ou administrar um teste de detector de mentiras como condição de emprego ou emprego contínuo. Um empregador que violar esta lei estará sujeito a penalidades criminais e responsabilidade civil.
Título do cargo Diretor, Engenharia de IA e Machine Learning
ID da vaga 111321
Áreas de trabalho Tecnologia e Engenharia
Tipo de emprego Permanente em tempo integral
Local(is) Boston, Chicago, Londres, São Paulo, Varsóvia
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