Especialista em Inteligência Artificial; Qualidade de IA em Recursos Humanos

Vaga aberta de Especialista em Inteligência Artificial (Qualidade de IA em Recursos Humanos). A empresa contratante é confidencial neste anúncio, e a seleção é conduzida pela Sylision.

Nível: senior.

Modelo de trabalho: 100% Remoto.

Contratação: tempo integral, CLT ou PJ.

Sistemas de IA em recursos humanos tocam em decisões sensíveis: triagem de currículos, recomendação de vagas internas, resumo de avaliações de desempenho e perguntas de funcionários a um assistente de políticas. Um erro aqui afeta pessoas, não apenas métricas. A qualidade desses sistemas precisa ser definida, medida e defendida diante de quem usa e de quem responde por risco.

Você será a referência técnica de qualidade de IA: define o que significa funcionar bem em cada produto, desenha as avaliações e decide o que impede uma entrega. Isso envolve conjuntos de teste com casos difíceis e rotulados por especialistas, medição de diferença de desempenho entre grupos de candidatos, detecção de respostas inventadas, regressão a cada troca de modelo ou de prompt e acompanhamento depois do lançamento.

O resultado é um critério de aprovação aceito por engenharia, produto e jurídico, avaliações que rodam em toda mudança e incidentes de qualidade tratados com causa raiz e correção registrada.

• Definir critérios de qualidade e de aprovação de cada sistema de IA do domínio de pessoas
• Desenhar conjuntos de avaliação com casos difíceis, rotulados com especialistas de RH
• Medir desempenho por grupo para identificar diferenças que exigem correção
• Automatizar a avaliação em pipeline a cada troca de modelo, prompt ou dado
• Definir monitoramento de produção e gatilhos para reverter uma versão
• Conduzir análise de incidentes de qualidade com causa raiz e plano de correção
• Orientar engenheiros em prática de avaliação e revisão de resultados
• Apresentar riscos e limites a negócio e jurídico em linguagem direta

• Desenho de avaliação de sistemas de IA, com e sem modelo de linguagem
• Métricas de classificação, ranqueamento e geração, e seus limites
• Análise de viés e de diferença entre grupos
• Python e PyTorch para montar avaliações reproduzíveis
• Práticas de MLOps: versionamento de dados, modelos e experimentos
• Capacidade de explicar risco técnico a pessoas de jurídico e de negócio