← Todas as vagas
Engenharia

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