Analista de Inteligência Artificial (foco Em Document Intelligence)

Sobre o DesafionO objetivo central desta posição é liderar o desenvolvimento e a sustentação de um motor de IA voltado para a extração inteligente de dados em documentos. Você será o ponto focal técnico e estratégico, garantindo que a tecnologia não apenas funcione, mas resolva as dores reais dos nossos usuários finais.nPrincipais Atribuiçõesn- Desenvolvimento de Modelos: Desenvolver, treinar e ajustar modelos de Machine Learning focados em Processamento de Linguagem Natural (NLP) e OCR para extração de informações.n- Governança e Gestão: Atuar como o “dono” do projeto, organizando cronogramas, conduzindo reuniões de status e garantindo que os marcos sejam atingidos.n- Interface com Usuários: Realizar imersões com as áreas de negócio para entender as nuances dos documentos e coletar feedbacks para melhoria contínua da ferramenta.n- Documentação e Reporte: Estruturar a governança técnica e prestar contas (reporting) sobre a acurácia, performance e evolução do projeto para a diretoria.n- Suporte Consultivo: Apoiar os usuários no dia a dia, garantindo que a transição do manual para o automatizado seja fluida e eficiente.nRequisitos Técnicos (Hard Skills)n- Machine Learning & NLP: Experiência sólida com algoritmos de extração de texto, classificação e reconhecimento de entidades (NER).n- Linguagens de Programação: Domínio de Python (bibliotecas como Pandas, NumPy, Scikit-Learn, PyTorch ou TensorFlow).n- OCR e Visão Computacional: Experiência com ferramentas de extração de texto (Tesseract, AWS Textract, Azure Document Intelligence ou similares).n- Cloud Computing: Conhecimento em arquiteturas de IA em nuvem (AWS, Azure ou Google Cloud).n- Manipulação de Dados: Habilidade para estruturar dados não estruturados provenientes de PDFs, imagens e arquivos diversos.nnPerfil Comportamental (Soft Skills)n- Autonomia Extrema: Capacidade de autogestão para priorizar tarefas e tomar decisões técnicas sem supervisão constante.n- Proatividade e “Dono”: Antecipar problemas de integração ou de qualidade de dados antes que eles travem o projeto.n- Comunicação Assertiva: Facilidade para transitar entre linguagem com desenvolvedores e a linguagem de negócios com usuários e diretores.n- Cultura Presencial: Disponibilidade para o modelo híbrido, valorizando a troca de experiências e a vivência da nossa cultura no escritório.