Pular para o conteúdo

Sobre

Quem eu sou

Felipe Iglesias

Prático

Localização
Rio de Janeiro, RJ
Modalidade
Remoto, híbrido ou presencial · aberto a relocação internacional
Idiomas
Português nativo · Inglês B2 (Cambridge)
Formação
Ciência da Computação, UFF
  • Projetos
  • Experiência
  • Competências
  • Análise de contratos
  • Consulta em linguagem natural
  • Plataforma de desenvolvimento pessoal
  • Gestão hoteleira
  • ElderCare Watch
  • Projetos iOS
  • Pipeline de dados acadêmico
  • RAG
  • Embeddings
  • Guardrails
  • Prompt engineering
  • Amazon Bedrock
  • Vertex AI
  • OpenAI API
  • Python
  • SQL
  • TypeScript
  • FastAPI
  • NestJS
  • PostgreSQL
  • BigQuery
  • Airflow
  • Spark
  • Docker
  • AWS
  • GCP
  • Swift
  • Global Hitss
  • Projetos autônomos
  • UFF
  • Inglês B2

31 nós · 89 arestas · text-embedding-3-small

Sou AI Engineer, formado em Ciência da Computação pela UFF. Trabalho na Global Hitss com IA generativa em contexto corporativo e, em paralelo, desenvolvo produtos com LLM por conta própria, do levantamento de requisitos à operação. Dois deles são produtos comerciais, vendidos e rodando na operação de clientes.

Os sistemas que construí têm um problema em comum: a resposta errada parece igual à resposta certa.

Uma cláusula inventada pelo modelo parece igual às cláusulas reais do contrato. Uma consulta montada errada devolve um número plausível, no formato certo, e nada na tela avisa que ele está errado. Um lançamento financeiro corrigido por cima apaga a versão que o contador vai pedir três meses depois.

Foi esse problema que definiu como cada um deles foi feito. No sistema sobre editais, cada afirmação vem junto com o trecho do documento de onde saiu, e citação que não bate com nenhum trecho não chega à tela. No que responde perguntas sobre o banco de dados, a consulta é montada a partir da estrutura real das tabelas, e não do que o modelo supõe que exista. No financeiro, corrigir um erro cria um lançamento novo em vez de apagar o antigo, e o histórico continua inteiro para quem for auditar depois. Em todos, a parte mais difícil não foi fazer o sistema responder. Foi deixar rastro suficiente para alguém conferir a resposta.

O chat deste site funciona assim também. Ele responde a partir do conteúdo das páginas, mostra antes da resposta os trechos que usou, marca na tela qualquer citação que não corresponda a eles e, quando não encontra nada sobre o assunto aqui, diz que não sabe em vez de preencher. Dá para conferir de onde saiu cada afirmação, inclusive as que ele faz sobre mim.

O que procuro

Procuro posições de AI Engineer em time que trate produção como parte do trabalho, e não como a fase seguinte: onde avaliação, guardrail e custo por requisição entrem na conversa junto com a arquitetura, em vez de depois do primeiro incidente.

Me interessa em particular o problema de confiabilidade: como saber que o sistema está certo, como medir isso sem depender de impressão, e o que ele faz quando não sabe. É o tipo de trabalho em que a decisão difícil raramente é qual modelo usar.