Forward Deployed Engineer SR (FDE)

FDE, PROFISSIONAL DO AGORA!

Missão
Transformar uma pergunta da liderança do cliente em uma solução de dados e IA que roda em produção, é usada no dia a dia e gera um ganho que o próprio cliente declara. Você é dono do caso de uso, da pergunta ao ROI medido.

O que você resolve
A IA para no piloto porque ninguém é dono do caminho até a produção: o dado está espalhado, a métrica significa coisas diferentes em cada área e a adoção fica sem responsável. Você fecha essa distância, embarcado na área de negócio do cliente, sobre a plataforma de dados que ele já tem.

O que você entrega

• Mapa das perguntas reais da área usuária e do número que ela quer mover, com o baseline medido antes de construir.
• Camada semântica e métricas acordadas entre as áreas.
• Agentes de dados configurados nas plataformas parceiras: Databricks (Genie, Agent Bricks), Microsoft Fabric (Data Agent, Copilot Studio), Snowflake Cortex, Claude ou Amazon Bedrock.
• Integrações leves quando a configuração não basta: Python, APIs e MCP.
• Conjunto de avaliação do agente, taxa de acerto e monitoramento.
• Governança aplicada: permissões, segurança por linha e coluna, origem rastreável, LGPD.
• Rollout, treinamento do time do cliente e painel de adoção.
• Medição mensal do ganho contra o baseline, declarada pelo cliente.
• Padrões reutilizáveis registrados para virar acelerador.

Requisitos obrigatórios

• 3 anos ou mais em dados ou IA (engenharia de dados, analytics engineering, BI ou ciência de dados). 
• SQL avançado e modelagem dimensional ou semântica.
• Python funcional para integrações, automações e testes.
• Experiência prática com pelo menos uma plataforma parceira: Databricks, Microsoft Fabric, Snowflake ou AWS.
• Ter colocado em produção algo que usuários de negócio usam no dia a dia.
• Conduzir conversa com área de negócio e liderança: perguntar, discordar e apresentar resultado.
• Noções sólidas de RAG, prompts, avaliação de LLM e governança de dados.

Diferenciais

• Certificação Databricks, Microsoft, Snowflake ou AWS.
• Experiência com MCP, orquestração de agentes ou Claude Code.
• Vivência em um setor (serviços financeiros, agro, varejo).
• Experiência em consultoria ou em função técnica voltada a cliente.

Núcleo e ênfase
Todo FDE tem o núcleo comum: negócio do caso de uso, SQL e camada semântica, agente em plataforma parceira, produção, adoção e medição de ROI. Depois de pronto, escolhe uma ênfase: dados (pipelines, modelagem, governança profunda) ou IA (Python, MCP, evals, integração em software).

O que não é responsabilidade do FDE

• Pipelines de ingestão complexos e migração de legado: engenheiro de dados do pod.
• Integrações pesadas, tools e harness complexos: AI Engineer.
• Modelos de machine learning: cientista de dados.
• Vender e priorizar o portfólio da conta: SA e AE.

Como você é medido
Solução em produção, tempo até o primeiro ganho, adoção (quem deveria usar, usa), acerto do agente, ROI declarado pelo cliente contra o baseline e reuso. Não por horas, linhas de código ou entregas.

Formação
Trilha interna com sete módulos (método Dataside, camada semântica e governança, agentes nas plataformas parceiras, evals, integração, produção e adoção, conduta de campo), cada um com prática em cliente real e padrinho. Você entra como FDE em formação e vira FDE pronto por evidência: discovery conduzido sozinho, agente em produção com eval, adoção medida e ROI declarado por um cliente.

Modelo de trabalho
Alocado no cliente, com contrato mensal e meta de resultado. Parte relevante do tempo junto da área de negócio, presencial ou remoto.