Prompt Engineer/LLM

Introdução

Uma carreira na IBM Consulting é construída sobre relacionamentos de longo prazo com clientes e colaboração próxima em todo o mundo. Você trabalhará com empresas líderes em diversos setores, ajudando-as a moldar suas jornadas de nuvem híbrida e IA. Com o apoio de nossos parceiros estratégicos, tecnologia robusta da IBM e Red Hat, você terá as ferramentas para impulsionar mudanças significativas e acelerar o impacto nos clientes. Na IBM Consulting, a curiosidade impulsiona o sucesso. Você será incentivado a desafiar o padrão, explorar novas ideias e criar soluções inovadoras que entregam resultados reais. Nossa cultura de crescimento e empatia foca no seu desenvolvimento de carreira a longo prazo, valorizando suas habilidades e experiências únicas.

Suas responsabilidades

• Atuar no desenvolvimento e manutenção de agentes conversacionais de voz e texto.
• Realizar análises iniciais de conversas, jornadas e volumetrias para identificação de oportunidades de melhoria.
• Desenvolver e aprimorar prompts para soluções baseadas em LLMs.
• Apoiar o levantamento e detalhamento de requisitos junto aos stakeholders, sob orientação técnica.
• Executar testes e validações de agentes utilizando modelos de linguagem (LLMs).
• Contribuir para a evolução contínua das experiências conversacionais, alinhadas aos objetivos de negócio e às necessidades dos clientes.

Requisitos Técnicos e Profissionais Necessários

• Conhecimento em Python para desenvolvimento de agentes, ferramentas (tools) e engenharia de prompts.
• Familiaridade com desenvolvimento, vieses de codificação e experiência sólida.
• Experiência com automação de processos e integração por meio de APIs RESTful.
• Familiaridade com ferramentas de versionamento e testes, como Git e Insomnia.
• Conhecimento em soluções de IA Generativa, LLMs e agentes conversacionais.

Experiência Técnica e Profissional Preferencial

• Desenvolvimento avançado de algoritmos: experiência com algoritmos complexos, incluindo avaliação de performance usando métricas relevantes e fine-tuning para resultados ideais.
• Técnicas de Visualização de Dados: exposição a ferramentas e técnicas de visualização de dados, permitindo comunicação efetiva dos resultados de Machine Learning para stakeholders.
• Ferramentas Especializadas de Machine Learning: familiaridade com ferramentas e tecnologias especializadas em Machine Learning, como as usadas para processamento de linguagem natural ou visão computacional.