Descrição da vaga
Remoto | Brasil | Contrato PJ
Na Bren, estamos construindo uma nova forma de pessoas e empresas se relacionarem, comprarem e fazerem negócios.
Somos uma empresa de Agentic AI que desenvolve agentes de inteligência artificial capazes de compreender contextos, tomar decisões e executar ações reais, conectando conversas, sistemas, operações comerciais e pagamentos.
Nossa tecnologia já opera 24 horas por dia, atendendo grandes empresas do varejo brasileiro, em uma infraestrutura projetada para processar dezenas de milhões de mensagens por mês.
Estamos construindo para um mercado global, e temos um desafio de engenharia particularmente interessante: fazer com que sistemas inteligentes, não determinísticos e altamente integrados operem com a confiabilidade exigida por negócios reais.
Buscamos uma pessoa Senior Site Reliability Engineer (SRE) para assumir protagonismo técnico na evolução da infraestrutura, confiabilidade e plataforma interna da Bren.
Você terá responsabilidade direta pela saúde dos nossos ambientes de produção e pela construção das ferramentas e automações que permitem à plataforma crescer sem aumentar proporcionalmente sua complexidade operacional.
Nossos sistemas combinam processamento de mensagens em tempo real, agentes de IA, integrações com sistemas de terceiros e operações transacionais. Isso exige uma infraestrutura capaz de lidar com alta concorrência, falhas parciais, serviços externos instáveis e workloads de comportamento variável.
Não buscamos alguém para apenas monitorar infraestrutura ou administrar serviços cloud.
Queremos uma pessoa que escreva código, desenvolva ferramentas, projete mecanismos de resiliência e trate confiabilidade como um problema contínuo de engenharia.
Você trabalhará diretamente com nosso CTO e time de engenharia, com autonomia para tomar decisões arquiteturais e implementar melhorias em sistemas críticos.
Confiabilidade e operação
- Evoluir a arquitetura de confiabilidade da plataforma, garantindo alta disponibilidade, resiliência, segurança e performance.
- Definir e implementar SLIs, SLOs, error budgets e mecanismos de alertas proativos.
- Construir observabilidade de ponta a ponta, permitindo rastrear uma operação desde a mensagem recebida até a execução de uma ação pelo agente.
- Projetar mecanismos de tolerância a falhas, recuperação automática, disaster recovery e continuidade operacional.
- Liderar tecnicamente a investigação de incidentes, análises de causa raiz e implementação de melhorias preventivas.
Platform Engineering e automação
- Desenvolver e evoluir nossa plataforma interna para provisionamento, deploy, configuração e operação de serviços e ambientes.
- Construir ferramentas que simplifiquem a operação de múltiplos clientes, agentes e integrações.
- Implementar estratégias de deploy progressivo, rollback seguro e redução do risco de releases.
- Automatizar tarefas operacionais, eliminando processos manuais e reduzindo o esforço necessário para escalar a plataforma.
- Desenvolver ferramentas e serviços internos utilizando Python.
- Melhorar a experiência dos engenheiros, tornando o desenvolvimento, deploy e diagnóstico de problemas mais simples e seguros.
Sistemas distribuídos e infraestrutura de IA
- Trabalhar com engenharia para garantir a confiabilidade de sistemas assíncronos, filas, eventos e operações distribuídas.
- Projetar mecanismos para lidar com timeouts, retries, idempotência, duplicidade de eventos e falhas de dependências externas.
- Contribuir para a confiabilidade de agentes de IA, incluindo execução de ferramentas, controle de concorrência, limites operacionais e recuperação de falhas.
- Implementar mecanismos de isolamento e controle de recursos entre diferentes clientes e workloads.
- Identificar gargalos de capacidade e performance, antecipando necessidades de escala.
- Monitorar e otimizar custos de infraestrutura, processamento e workloads de IA sem comprometer a confiabilidade.
- Cloud: Google Cloud Platform (GCP)
- Linguagem: Python
- Backend: Python, FastAPI e aplicações assíncronas
- Infrastructure as Code: Terraform
- Banco de dados: PostgreSQL
- Arquitetura: sistemas distribuídos, processamento assíncrono, filas e eventos
- Engenharia: CI/CD, observabilidade, automação e infraestrutura cloud
- IA: agentes baseados em LLMs, integração com ferramentas e serviços externos
- Experiência sólida em Site Reliability Engineering, Platform Engineering ou Software Engineering com foco em infraestrutura, preferencialmente com 5+ anos em sistemas de produção.
- Experiência relevante projetando e operando sistemas distribuídos de alta disponibilidade.
- Domínio de cloud computing, infraestrutura como código e boas práticas de arquitetura.
- Experiência prática com Terraform e gerenciamento de infraestrutura em produção.
- Conhecimento profundo de observabilidade, métricas, logs, tracing, alertas e investigação de incidentes.
- Experiência com CI/CD, automação de deploys e estratégias de recuperação e rollback.
- Experiência com containers, redes, comunicação entre serviços e segurança de infraestrutura.
- Conhecimento sólido de Python, com capacidade de desenvolver serviços e ferramentas internas de produção.
- Compreensão de sistemas assíncronos, concorrência, filas, retries, idempotência e falhas parciais.
- Experiência com bancos de dados relacionais, especialmente PostgreSQL, incluindo performance, disponibilidade e recuperação.
- Capacidade de diagnosticar problemas complexos que envolvem diferentes camadas da aplicação e infraestrutura.
- Autonomia para identificar prioridades, avaliar trade-offs e implementar soluções de ponta a ponta.
Valorizamos especialmente profissionais que conseguem resolver problemas de confiabilidade construindo software, e não apenas adicionando ferramentas ou complexidade operacional.
- Experiência aprofundada com Google Cloud Platform.
- Experiência construindo plataformas internas de desenvolvimento e operação.
- Conhecimento de arquiteturas multi-tenant e ambientes com múltiplos clientes.
- Experiência com sistemas de mensageria e processamento de eventos em grande escala.
- Experiência operando aplicações baseadas em LLMs ou agentes de IA em produção.
- Conhecimento de observabilidade para agentes, execução distribuída e rastreamento de operações.
- Experiência com sistemas de pagamentos, fintechs, marketplaces ou outras operações transacionais críticas.
- Conhecimento de FinOps, otimização de custos e planejamento de capacidade.
- Experiência em startups de rápido crescimento com times de engenharia enxutos.
Na Bren, confiabilidade não é apenas manter sistemas disponíveis. É garantir que nossa tecnologia consiga executar operações reais com segurança, previsibilidade e eficiência, mesmo diante de falhas e situações inesperadas.
Acreditamos em engenharia pragmática, automação e responsabilidade sobre o que colocamos em produção.
Valorizamos pessoas que identificam problemas antes que eles se tornem críticos, questionam decisões técnicas, simplificam sistemas e constroem soluções duradouras.
Você trabalhará próximo do CTO e de um time de engenharia enxuto, com autonomia para influenciar diretamente a arquitetura e a evolução tecnológica da empresa.
- Trabalho 100% remoto.
- Contratação PJ.
- Remuneração competitiva, compatível com senioridade e experiência.
- Contato direto com CTO e time de engenharia.
- Autonomia real nas decisões de arquitetura, infraestrutura e confiabilidade.
- Oportunidade de trabalhar com sistemas críticos de IA em produção e em grande escala.
- Participação na construção de uma empresa de tecnologia com ambição global.
Se você gosta de construir sistemas distribuídos, resolver problemas difíceis de engenharia e desenvolver a infraestrutura que permite que agentes de IA operem negócios reais, queremos conversar com você.