Construo sistemas que não desmoronam em produção.

Com os dois. Como consultor de engenharia de IA e tech lead fracionado, eu entro em times que precisam de alguém sênior na arquitetura sem contratar em tempo integral: assumo decisões técnicas, destravo os desenvolvedores e traduzo os trade-offs pra quem decide. Também trabalho direto com fundadores e gestores em projetos com escopo definido: sistemas RAG, pipelines de automação e integrações de IA com WordPress.

Uma Intro Call gratuita de 30 minutos. Ela responde uma pergunta só: o seu projeto é algo que eu devo pegar? Se for, o próximo passo é um diagnóstico pago: eu olho o código, os logs e os sistemas envolvidos, e você recebe um resumo escrito com escopo recomendado, preço e as premissas das quais os dois dependem. Dá pra agendar a Intro Call direto ou mandar o seu escopo pelo formulário de contato antes.

Acesso a tudo que o trabalho toca, desde o primeiro dia: o código ou repositório, um ambiente de staging, acesso ao servidor ou à hospedagem e as credenciais de API dos sistemas envolvidos, como gateway de pagamento, CRM ou provedores de IA. Não dá pra diagnosticar o que eu não vejo. Também preciso de alguém com poder de decisão que responda quando algo trava o andamento.

Um sistema funcionando e a documentação pra operar sem mim: registros de decisão de arquitetura explicando o porquê das escolhas, guias de integração, runbooks operacionais pros cenários de falha mais comuns e notas de onboarding pro próximo dev. Se você quiser suporte contínuo depois da entrega, ele é contratado à parte, no horário comercial de São Paulo, com resposta em até um dia útil e em até 4 horas pra urgências.

Um arquiteto de sistemas de IA desenha e constrói a infraestrutura que torna a IA usável em produção: pipelines RAG que encontram a informação certa em escala, integrações com LLM ligadas a sistemas reais do negócio (CRMs, CMSs, gateways de pagamento) e fluxos de automação que substituem processos manuais de forma confiável. O papel junta arquitetura de software e engenharia de IA, e o foco são sistemas que aguentam tráfego real, casos extremos e dados de verdade.

A maioria dos projetos de IA falha em produção porque foi construída pra um ambiente de demonstração: dados limpos, sem concorrência, sem estados de erro, sem limite de custo. Em produção, o sistema lida com entrada malformada, limite de API, pergunta ambígua e carga inesperada. Fechar essa distância exige tratar os componentes de IA como infraestrutura, com o mesmo cuidado de log, plano B e disciplina de arquitetura de qualquer serviço em produção.

Um pipeline RAG busca os documentos relevantes numa base de conhecimento na hora da pergunta e gera a resposta a partir desse conteúdo. Você precisa de um quando a precisão importa: setores regulados, suporte com conhecimento próprio da empresa ou qualquer contexto em que uma resposta inventada tem consequência real. Um prompt de sistema abarrotado quebra quando cresce; o RAG mantém a base de conhecimento separada, auditável e fácil de atualizar.

Consigo. As integrações mais comuns são chatbots de atendimento com IA ligados ao catálogo e ao histórico de pedidos, pipelines de conteúdo que rascunham posts pra revisão humana e fluxos de automação no n8n que substituem processos manuais semanais. Tudo se conecta à infraestrutura que você já tem, sem trocar de plataforma.