Experiência Profissional - AutoU (Startup de IA Aplicada)

Sobre a AutoU

A AutoU é uma startup que constrói soluções de IA aplicada para empresas — visão computacional, agentes de IA, modelos preditivos e plataformas de dados — com projetos para clientes enterprise como Saint-Gobain, Rocester, Oxiquímica e redes de varejo/combustíveis (além de demos enterprise, como a de pré-venda para o Itaú e a construída para concorrer a edital da Libbs, ainda em andamento). O ambiente é acelerado, com alta exposição a clientes e foco em entrega com qualidade e ritmo veloz.

Contexto de Atuação

• Projetos para empresas de grande porte, todos em produção
• Stack core: Python (FastAPI, google-genai, LangGraph) no backend e React 19 + Vite no frontend — integração direta com LLMs via SDK google-genai / Responses API como abordagem principal do dia a dia, além de orquestração com LangGraph
• Infraestrutura multi-cloud: AWS (EC2, S3, Lambda, DynamoDB), Google Cloud (Cloud Run, Cloud Run Jobs, Scheduler, Pub/Sub, VMs), Azure
• CI/CD e deploy: GitHub Actions, Docker Compose, deploy automatizado

Experiências na Empresa

Desenvolvedor Fullstack

Período: Fevereiro 2026 - Atual | Remoto

Visão Computacional em Produção 24/7 (rede de postos de combustível)

• Pipeline YOLO rodando em edge (PC no posto consumindo câmeras RTSP), eventos consolidados em AWS (S3, Lambda, DynamoDB)
• Pipeline agêntico LangGraph + Gemini (via google-genai) + RAG: análise das ocorrências detectadas e geração de insights com GenAI, além de notificações por e-mail/WhatsApp
• Loop de retraining: feedback de falsos positivos dos usuários vira dataset de re-treino — o modelo melhora com o uso
• Observabilidade implementada por mim: Prometheus + Grafana em VM stateful própria, monitorando custo, uso e infraestrutura

Machine Learning e Previsão de Demanda (rede de autopeças)

• Algoritmo preditivo com Prophet (séries temporais) para previsão de demanda por produto/filial
• Recomendações de compra, transferência entre filiais e produtos substitutos, integradas ao ERP Sankhya
• Execução diária automatizada em produção

Plataforma de P&D com Otimização Bayesiana (indústria química)

• Plataforma de formulações com BayBE (framework open-source da Merck) para sugerir a próxima formulação a testar — menos ciclos físicos de estufa
• Agente de IA generativa "Colibri" (Gemini via google-genai) que gera e ajuda em fórmulas; chat científico com RAG e governança de fontes (whitelist/blacklist)
• Observabilidade Grafana + Prometheus implementada por mim: custo de IA, consumo e infraestrutura

Pipeline de Replicação de Savings (Saint-Gobain)

• Cloud Run Jobs + Cloud Scheduler com sincronização idempotente por hash, auditoria e rollback
• Backend FastAPI de administração; execução diária em produção

Assistente de Triagem SAC com IA (demo para edital da Libbs — projeto solo, edital em andamento)

• MVP full stack feito sozinho como demo para concorrer a edital da farmacêutica: chat público com triagem por Gemini e fallback determinístico por regras, transbordo humano, portal interno com timeline de tickets
• Uma aplicação servindo dois domínios (chat público + portal interno) — demo no ar; edital ainda em andamento

Catálogo Inteligente de Peças (Rocester — fundação do projeto)

• Participação na fundação: arquitetura com camada de IA desacoplada (inversão de dependência) e base do pipeline de extração de PDFs com Gemini Vision
• Score de confiança com reasoning por peça e curadoria humana em massa; pgvector para busca semântica — em produção

Site Institucional da AutoU (projeto solo)

• Site completo feito sozinho: frontend React otimizado para SEO (blog, cases), backend FastAPI de leads e CMS próprio — no ar em Azure
• Integração de e-mail via Microsoft Graph (app registrado no Azure): e-mails recebidos são registrados automaticamente no funil do CRM, no mesmo fluxo dos leads capturados pelo site

Plataforma B2B de Gestão de Pessoas (Aura Central — monorepo DDD)

• Feature de notificações: serviço dedicado consumindo eventos dos bounded contexts via Pub/Sub, sem acoplar domínios
• Sistema de logs da plataforma, dando visibilidade de operação em produção
• Trabalho dentro de arquitetura DDD com 5 bounded contexts e database-per-service

Frontend de Demo Enterprise (Itaú — em dupla)

• Interface pixel-perfect a partir de Figma com mapas interativos (React 19 + Leaflet), sob prazo curto de pré-venda

Integrações Corporativas

• ERP Sankhya/Microwork via API: automação de relatórios, orçamentos e fluxos de vendas
• Slack: notificações em tempo real; Outlook / Microsoft 365: e-mails transacionais

Tecnologias Utilizadas:

• Python, FastAPI, google-genai / Responses API, LangGraph, Prophet, BayBE
• React 19, Vite, TypeScript
• LLMs (Gemini, Gemini Vision), RAG, pgvector, FAISS, YOLO
• AWS (EC2, S3, Lambda, DynamoDB), Google Cloud (Cloud Run, Cloud Run Jobs, Scheduler, Pub/Sub), Azure
• Prometheus, Grafana
• GitHub Actions, Docker, Docker Compose
• Sankhya/Microwork, Slack API, Microsoft 365 / Outlook

Conquistas e Aprendizados

• Todos os projetos em que atuei estão em produção — de visão computacional 24/7 a pipelines diários de dados
• IA aplicada com juízo de engenharia: fallback determinístico, curadoria humana, governança de fontes e loop de retraining — nunca "IA porque sim"
• Observabilidade de produção (Prometheus/Grafana) implementada por iniciativa própria, incluindo monitoramento de custo de IA
• Exposição direta a clientes enterprise (Saint-Gobain) e a pré-venda/editais enterprise (demos para Itaú e para edital da Libbs) em ambiente de startup acelerada
• ML além de LLMs: séries temporais (Prophet), visão computacional (YOLO) e otimização Bayesiana (BayBE)