Engenheiro(a) de Dados Júnior
Você vai construir os artefatos que permitem a agentes de IA criar e manter as coletas de documentos públicos da Sigalei, avaliar se deu certo e ajustar. Temos 1 posição aberta, com possibilidade de uma segunda contratação.
Sobre a Sigalei
A Sigalei monitora dados governamentais com inteligência artificial para times de Relações Governamentais, Regulatório e Jurídico. Agentes de IA capturam, filtram e entregam; pessoas julgam e decidem.
Há mais de 10 anos a gente transforma um volume enorme de documentos dispersos em alertas e relatórios com prioridades claras:
- +15 mil documentos capturados e processados todos os dias
- +500 fontes monitoradas: Diário Oficial da União, Congresso Nacional, as 27 Assembleias Legislativas, diários de mais de 1.200 municípios, SEI, imprensa e redes sociais
- +100 clientes atendidos em setores como farma, agro, alimentos, seguros e dispositivos médicos
Temos escritórios em São Carlos (SP), onde fica a matriz, e em São Paulo (SP).
O desafio
Nossos clientes dependem de saber rápido o que mudou: o Diário Oficial da União entra na plataforma em até 60 minutos e o Congresso é atualizado a cada 30. Cada fonte publica de um jeito, muda de formato sem aviso e precisa continuar chegando completa.
Estamos modernizando a área de dados. Aqui você não escreve cada robô de coleta à mão: você constrói os artefatos que permitem a agentes de IA fazer esse trabalho, avalia se deu certo e ajusta.
Um exemplo que já funciona: informamos a URL de uma nova fonte e um agente descobre a melhor forma de coletá-la, registra a fonte e verifica o resultado. Isso é só o começo: queremos levar o mesmo modelo para o restante da área de dados.
O que você vai fazer
- Construir os artefatos que ensinam agentes de IA a adicionar e manter fontes públicas, como diários oficiais, casas legislativas, SEI, agendas de autoridades e imprensa. O ponto de partida são skills: instruções passo a passo que o agente segue
- Criar os scripts de verificação que o agente roda para provar que a coleta funciona antes de chegar à produção
- Usar esses artefatos para tratar, padronizar e estruturar documentos de formatos variados (HTML, PDF, APIs públicas)
- Avaliar se o resultado deu certo: completude, duplicidade, atraso e qualidade do texto extraído
- Ajustar os artefatos quando a avaliação apontar falha ou quando uma fonte mudar
- Revisar o código que os agentes produzem antes de ir para produção
- Monitorar a saúde das coletas
- Apoiar o time de IA na preparação dos dados para classificação, resumo e conexão entre documentos
- Documentar fontes, pipelines, artefatos e decisões técnicas
O que esperamos de você
- Formação superior completa em Computação, Engenharia, Estatística ou áreas afins
- Raciocínio lógico forte para decompor problemas e chegar à causa de um erro
- Boa base de programação em Python
- SQL para consultar e modelar dados
- Noções de coleta de dados na web (requisições HTTP, HTML, APIs REST)
- Familiaridade com Git e Linux
- Atenção a detalhes e vontade de investigar quando um dado não bate
- Boa comunicação escrita para registrar o que fez e por quê
Diferenciais
- Experiência com web scraping em escala, filas ou orquestração de tarefas
- Experiência com extração de texto de PDF e processamento de linguagem natural
- Experiência com LLMs, agentes de código ou busca semântica
- Docker e serviços em nuvem
- Interesse por processo legislativo, regulação ou dados públicos
- Projetos pessoais, de iniciação científica ou de código aberto para mostrar
O que você encontra aqui
- Dados reais em volume: mais de 35 milhões de documentos indexados
- Um time de engenheiros e pesquisadores de IA, com tecnologia própria de extração e análise de texto
- Trabalho que chega direto no cliente: o que você coleta hoje vira alerta no mesmo dia