<

Desenhar e implementar guardrails para aplicações de IA: filtros de conteúdo, validação de entrada e saída, limites de escopo de resposta, políticas de tool-calling e mecanismos de human-in-the-loop;

Instrumentar observabilidade de IA, rastreabilidade de prompts, respostas, chamadas de ferramentas e decisões de agentes, com métricas que permitam detectar abuso, degradação e desvio de comportamento em produção;

Integrar validações de segurança de IA aos pipelines de CI/CD, junto às verificações que já existem para aplicação convencional (SAST, DAST, SCA, secret scanning, IaC scanning);

Automatizar avaliações adversariais como parte do ciclo de entrega, para que regressão de segurança apareça antes do deploy e não depois do incidente.

Participar de design reviews de soluções com IA embarcada, apontando risco no momento em que ainda é barato corrigir;

Revisar implementação, código, infraestrutura como código, configuração de modelos e pipelines, com profundidade suficiente para propor a correção, não apenas identificar o problema;

Fazer par com desenvolvedores na implementação dos controles e elevar a maturidade do time ao longo do caminho.

Definir arquiteturas de referência e padrões de construção segura para LLMs, RAG, agentes e copilotos, entregues como blueprint aplicável e não como documento de prateleira;

Estabelecer o modelo de identidade e acesso de aplicações e agentes de IA: IAM, RBAC, ABAC, menor privilégio, segregação de funções e delegação segura de identidade em chamadas de ferramentas em nome do usuário;

Definir os requisitos de proteção de prompts, respostas, embeddings, bancos vetoriais e bases de conhecimento, incluindo isolamento multi-tenant e filtragem de permissões no retrieval;

Garantir criptografia em trânsito e em repouso, gestão de chaves, gestão de segredos e segregação de ambientes nas arquiteturas de IA.

Conduzir threat modeling de aplicações, modelos, dados e pipelines de IA;

Avaliar prompt injection direta e indireta, jailbreak, vazamento de dados sensíveis, data e model poisoning, respostas inseguras, uso indevido de ferramentas por agentes e permissões excessivas;

Executar e apoiar red teaming adversarial de soluções antes do go-live;

Avaliar a segurança de modelos proprietários, open source e serviços gerenciados de IA sob a perspectiva de quem vai integrá-los.

Traduzir risco técnico em recomendação clara, tanto para o desenvolvedor que vai corrigir quanto para a liderança que vai decidir;

Conduzir reuniões, workshops e apresentações com equipes e clientes internacionais; Participar de fóruns de governança e revisões arquiteturais, levando a perspectiva de quem implementa.

Ciclo de vida de modelos e MLOps: versionamento, avaliação, deploy, monitoramento de drift e de qualidade em produção; Ferramentas de observabilidade e guardrail de IA, LangSmith, Langfuse, Arize, OpenTelemetry para GenAI, Azure AI Content Safety, Amazon Bedrock Guardrails, NeMo Guardrails ou equivalentes;

Threat modeling e secure by design aplicados a sistemas distribuídos, conduzidos de forma autônoma; Zero Trust e segmentação em ambientes híbridos e multicloud;

Segurança de dados no ciclo de vida da IA: classificação, minimização, anonimização, controles de treinamento e fine-tuning, retenção de prompts e respostas;

Frameworks de risco e governança de IA — NIST AI RMF, ISO/IEC 42001, MITRE ATLAS, EU AI Act, LGPD e requisitos setoriais aplicáveis; Prompt engineering na perspectiva de quem constrói casos de teste adversarial e avalia o risco de assistentes de código, não de quem apenas os consome;

Autonomia real na análise de problemas e na decisão técnica, em contextos ambíguos e sem precedente interno.

Experiência de engenharia com software em produção — você já construiu, entregou e sustentou sistemas, não apenas avaliou os de terceiros;

DevSecOps na prática: pipelines de CI/CD com gates de segurança que você mesmo desenhou e integrou, não apenas consumiu;

Cloud em profundidade — AWS, Azure ou GCP — incluindo serviços nativos de segurança, criptografia, gestão de chaves, gestão de segredos e Infrastructure as Code;

Aplicações com IA generativa: experiência prática com LLMs, RAG, embeddings, agentes e consumo de modelos por API, sabendo como a aplicação é montada por dentro;

Segurança de IA aplicada: OWASP Top 10 for LLM Applications usado em caso real, com capacidade de explicar quais controles você implementou e como validou que funcionavam;

Observabilidade de aplicações distribuídas — logging estruturado, tracing, métricas — e noção de como estender isso para o comportamento de modelos;

Leitura e escrita de código em Python ou equivalente, suficiente para revisar implementação e prototipar validações;

IAM e autorização em profundidade: autenticação, menor privilégio, segregação de acesso e os desafios de identidade delegada em agentes autônomos;

Segurança de APIs, microsserviços e containers;

Inglês avançado, oral e escrito;

Espanhol avançado, oral e escrito — a posição é client-facing em toda a LATAM e o dia a dia com clientes e equipes acontece em espanhol;

Graduação em Tecnologia da Informação, Ciência da Computação, Engenharia, Segurança da Informação ou áreas correlatas.

Familiaridade com o ecossistema .NET (C#, Web API, DDD, SQL Server) ou outro stack corporativo equivalente, as squads com quem você vai trabalhar constroem nele, e falar a língua delas acelera tudo;

Experiência com frontend e com a superfície de ataque de aplicações web modernas;

Certificações como CSSLP, CCSP, CISSP, GIAC (GWEB, GCSA) ou certificações de segurança específicas de cloud;

Pós-graduação em Segurança, Arquitetura, Cloud ou Inteligência Artificial;

Contribuição para projetos open source de segurança ou de IA;

Atuação em setores regulados, financeiro, seguros, saúde ou telecomunicações;

Experiência em projetos globais ou multiculturais;

Participação na criação de padrões corporativos de uso seguro e responsável de IA.