Vagas de AI Engineer em Curitiba 2026: Guia Prático

Você está vendo vaga de AI Engineer pedindo Python, LLM, cloud, MLOps, inglês, produto, SQL, RAG, LangChain, Kubernetes e ainda “perfil mão na massa”, tudo ao mesmo tempo, e bate aquela sensação de que nunca é suficiente.

Se você está em Curitiba ou quer trabalhar remoto a partir daqui em 2026, a boa notícia é: ainda dá para entrar forte nesse mercado. A notícia menos confortável é que vaga boa não vai para quem “sabe IA” de forma genérica, vai para quem consegue provar impacto, clareza técnica e maturidade para colocar modelo em produção.

Vagas de AI Engineer em Curitiba 2026: Guia Prático#

Curitiba tem uma mistura interessante para quem busca vaga em tecnologia: empresas locais com produto digital, centros de inovação, fintechs, consultorias, startups B2B, operações de logística, indústria, healthtechs e times remotos contratando no Brasil inteiro.

Ao mesmo tempo, muitas vagas de AI Engineer em 2026 não vão aparecer com esse nome exato. Você pode encontrar oportunidades parecidas como:

• Engenheiro de IA
• Machine Learning Engineer
• Generative AI Engineer
• Engenheiro de Dados com IA
• Backend Engineer com LLM
• Applied AI Engineer
• MLOps Engineer
• Data Scientist com foco em produção
• Software Engineer, AI Products

Isso importa porque, se você só procurar por “AI Engineer Curitiba”, pode perder metade das vagas boas.

Neste guia, vou te mostrar como mapear essas oportunidades, quais skills realmente pesam, quanto dá para ganhar, como montar currículo e portfólio, e como se posicionar para empresas como Itaú, Nubank, Stone, iFood, Magalu, Globo e também empresas menores que contratam remoto.

O que faz um AI Engineer na prática em 2026#

O AI Engineer de 2026 não é só a pessoa que treina modelo.

Na maioria das empresas, o papel fica entre engenharia de software, dados, produto e machine learning. Você precisa transformar modelos, APIs e fluxos de IA em funcionalidades reais, com custo controlado, segurança e monitoramento.

Na prática, você pode trabalhar com:

1. Integração de LLMs em produtos

   • Chatbots internos
   • Assistentes para atendimento
   • Busca inteligente
   • Resumo de documentos
   • Classificação automática de tickets
   • Copilotos para equipes comerciais, jurídicas ou financeiras

2. RAG, busca semântica e embeddings

   • Indexar documentos
   • Criar pipelines de ingestão
   • Trabalhar com vector databases
   • Reduzir alucinação
   • Melhorar qualidade de resposta com contexto

3. MLOps e produção

   • Deploy de modelos
   • Monitoramento de latência e custo
   • Versionamento de prompts e datasets
   • Testes automatizados
   • Observabilidade
   • Rollback de versões

4. Engenharia de software aplicada à IA

   • APIs em Python, Node ou Java
   • Filas, workers, cache
   • Bancos relacionais e NoSQL
   • Segurança de dados
   • Integração com sistemas internos

5. Medição de impacto

   • Redução de tempo operacional
   • Aumento de conversão
   • Diminuição de custo no suporte
   • Melhora de NPS
   • Automação de tarefas repetitivas

A diferença entre um candidato júnior e um candidato forte não é decorar a última ferramenta da moda. É conseguir explicar como uma solução de IA resolve um problema real, quanto custa, como mede qualidade e o que acontece quando falha.

Por que Curitiba é uma boa base para AI Engineer#

Curitiba tem um mercado menor que São Paulo, claro. Mas isso não significa menos chance.

A cidade é uma boa base por três motivos:

• Tem custo de vida menor que São Paulo em muitos bairros
• Tem comunidade tech ativa
• Permite disputar vagas remotas em empresas nacionais e internacionais

Além disso, Curitiba tem tradição em tecnologia, serviços, indústria, educação e operações. Isso cria demanda para IA em áreas bem práticas:

• Atendimento ao cliente
• Backoffice financeiro
• Logística e roteirização
• Análise de contratos
• Previsão de demanda
• Automação de relatórios
• Recrutamento e seleção
• Controle de qualidade
• Sistemas internos para times grandes

Empresas locais e nacionais podem ter times em Curitiba ou contratar remoto. Você pode mirar tanto empresas da região quanto grandes nomes como Itaú, Nubank, Stone, iFood, Magalu e Globo, que costumam ter vagas tech remotas ou híbridas dependendo da área.

E tem um detalhe: em 2026, muita empresa cansou de projeto de IA “bonito no slide”. Elas querem gente que entrega. Se você consegue mostrar projeto funcionando, mesmo simples, você sai na frente.

Salários de AI Engineer em Curitiba e remoto em 2026#

Salário varia muito por senioridade, inglês, modelo de contratação e porte da empresa.

Mas para você ter uma referência realista em 2026, dá para pensar em faixas assim no Brasil:

Júnior ou início de carreira

• CLT: R$5k a R$9k
• PJ: R$7k a R$12k
• Remoto para empresa brasileira: R$6k a R$10k

Esse perfil normalmente sabe Python, APIs, SQL, fundamentos de ML, usa LLMs e consegue contribuir em partes menores do sistema.

Pleno

• CLT: R$10k a R$17k
• PJ: R$14k a R$24k
• Remoto Brasil: R$12k a R$20k

Aqui a empresa espera que você entregue features com pouca supervisão, entenda arquitetura, faça deploy e consiga discutir trade-offs.

Sênior

• CLT: R$18k a R$30k
• PJ: R$25k a R$45k
• Remoto internacional: $60k a $120k por ano

Um AI Engineer sênior pode trabalhar em projetos críticos, liderar decisões técnicas, reduzir custo de inferência, melhorar qualidade do sistema e orientar outros devs.

Staff, Lead ou Principal

• CLT ou PJ no Brasil: R$30k a R$60k
• Remoto internacional: $100k a $180k por ano

Esse nível costuma exigir histórico forte de produto, escala, arquitetura, liderança técnica e comunicação com negócio.

Em empresas como Nubank, Itaú, Stone, iFood, Magalu e Globo, salários podem variar bastante conforme área e senioridade. Um engenheiro sênior em IA ou ML pode passar de R$20k CLT, especialmente com bônus, benefícios e stock options em algumas empresas.

Em startups menores, o salário fixo pode ser menor, mas você pode ganhar mais responsabilidade, visibilidade e experiência prática.

O que as empresas estão pedindo nas vagas#

Você vai ver descrições enormes. Respira.

Nem sempre a empresa espera que você tenha 100% dos requisitos. Mas existem blocos de conhecimento que aparecem muito.

1. Python forte

Python segue sendo a principal linguagem para IA.

Você precisa dominar:

• FastAPI ou Flask
• Pandas e NumPy
• Requests e integrações com APIs
• Testes com Pytest
• Tipagem básica
• Ambientes virtuais
• Estrutura limpa de projeto

Não basta saber rodar notebook. Vaga boa quer alguém que transforma experimento em serviço.

2. Fundamentos de machine learning

Mesmo com LLM pronto via API, você precisa entender o básico.

Estude:

• Overfitting e validação
• Métricas de classificação e regressão
• Embeddings
• Similaridade
• Fine-tuning
• Avaliação de modelos
• Viés e qualidade de dados

Você não precisa ser pesquisador acadêmico para muitas vagas. Mas precisa saber quando um modelo está ruim e por quê.

3. LLMs e IA generativa

Aqui entra a parte mais quente do mercado.

Ferramentas e conceitos comuns:

• OpenAI API
• Anthropic Claude
• Google Gemini
• Azure OpenAI
• AWS Bedrock
• LangChain
• LlamaIndex
• RAG
• Function calling
• Prompt engineering
• Guardrails
• Avaliação de respostas

Mas cuidado: não vire “colecionador de ferramenta”. Melhor ter dois projetos bem feitos com RAG, avaliação e deploy do que dez tutoriais copiados.

4. Cloud e deploy

Empresas querem IA em produção.

Então vale estudar:

• AWS, Azure ou GCP
• Docker
• CI/CD
• Kubernetes básico
• Serverless
• Logs e métricas
• Secrets e variáveis de ambiente
• Banco de dados gerenciado

Se você está começando, escolha uma cloud e avance. AWS costuma aparecer muito, Azure é forte em empresas grandes, GCP aparece bastante em dados e analytics.

5. Dados e SQL

AI Engineer mexe com dados o tempo todo.

Você precisa saber:

• SQL com joins, CTEs e agregações
• Modelagem básica
• ETL ou ELT
• Qualidade de dados
• Pipelines
• Airflow, Dagster ou Prefect, dependendo da vaga

Em muitos times, IA falha não por causa do modelo, mas porque o dado de entrada é bagunçado.

6. Engenharia de software

Esse é o ponto que separa muita gente.

Vagas boas pedem:

• Código limpo
• Testes automatizados
• APIs bem desenhadas
• Mensageria
• Cache
• Autenticação
• Observabilidade
• Controle de versão com Git
• Revisão de código

Se você vem de ciência de dados, estude engenharia. Se você vem de backend, estude ML e LLMs. O cargo mora nesse meio.

Como montar um plano de estudos de 90 dias#

Se você quer disputar vaga de AI Engineer em Curitiba ou remoto em 2026, não precisa estudar tudo ao mesmo tempo.

Segue um plano direto.

Dias 1 a 30: base técnica que gera entrevista

Foque em:

• Python moderno
• FastAPI
• SQL
• Git
• Docker básico
• Consumo de APIs de LLM

Entregável do mês:

• Uma API em FastAPI que recebe texto, chama um modelo LLM e devolve uma resposta estruturada
• Testes com Pytest
• Deploy simples em Render, Fly.io, Railway ou AWS

Exemplo de projeto: classificador de chamados de suporte para uma fintech fictícia.

Dias 31 a 60: RAG e produto real

Foque em:

• Embeddings
• Vector database
• RAG
• Chunking de documentos
• Avaliação de respostas
• Custo por requisição
• Logs

Entregável do mês:

• Um assistente que responde perguntas sobre documentos
• Base com PDFs, páginas HTML ou arquivos Markdown
• Métricas simples de qualidade
• README explicando decisões técnicas

Exemplo de projeto: assistente para colaboradores consultarem políticas internas de RH.

Dias 61 a 90: produção e currículo

Foque em:

• Observabilidade
• CI/CD
• Monitoramento de custo
• Autenticação
• Rate limit
• Segurança de dados
• Escrita de case técnico

Entregável do mês:

• Projeto publicado
• Repositório limpo
• Demo em vídeo de 2 a 4 minutos
• Post no LinkedIn explicando o problema, solução e resultado
• Currículo atualizado para vagas de AI Engineer

Esse plano não vai te transformar em especialista mundial. Mas te coloca na frente de muita gente que só fez curso e não publicou nada.

Projetos de portfólio que chamam atenção#

Portfólio bom não precisa ser gigante. Precisa parecer útil.

Aqui vão ideias fortes para 2026:

1. Assistente RAG para atendimento

Problema: empresa recebe muitas perguntas repetidas.

Solução:

• Importar base de conhecimento
• Indexar documentos
• Responder com fonte
• Medir satisfação da resposta
• Escalar para atendente humano quando não souber

Diferencial:

• Mostrar redução estimada de tempo
• Exibir custo por conversa
• Evitar resposta sem fonte

2. Copiloto para análise de contratos

Problema: time jurídico gasta horas lendo contratos parecidos.

Solução:

• Upload de PDF
• Extração de cláusulas
• Resumo de riscos
• Comparação com modelo padrão
• Exportação de relatório

Diferencial:

• Aviso claro de que não substitui advogado
• Logs de auditoria
• Citações do trecho original

3. Classificador inteligente de leads

Problema: time comercial não sabe quais leads priorizar.

Solução:

• Receber dados do lead
• Classificar chance de conversão
• Gerar sugestão de abordagem
• Integrar com CRM fictício

Diferencial:

• Métricas de precisão
• Explicação da recomendação
• Dashboard simples

4. Monitor de reviews para e-commerce

Problema: loja como Magalu ou marketplace recebe milhares de comentários.

Solução:

• Coletar reviews
• Classificar sentimento
• Detectar temas recorrentes
• Gerar alertas para produto com reclamação crescente

Diferencial:

• Gráficos claros
• Detecção de tendência
• Resumos semanais automáticos

5. Assistente interno para jornalistas ou conteúdo

Problema: redações e times de mídia, como Globo, precisam pesquisar rápido.

Solução:

• Busca em acervo
• Resumo de documentos
• Sugestão de pautas
• Checagem de consistência básica

Diferencial:

• Fontes exibidas
• Controle contra invenção
• Histórico de consultas

O segredo é apresentar como case, não como brinquedo técnico.

Como adaptar seu currículo para AI Engineer#

Seu currículo precisa passar por ATS e por humano cansado.

O recrutador pode olhar por 8 segundos. O gestor técnico pode procurar evidência de produção. Você precisa agradar os dois.

Resumo profissional

Evite frases vagas como:

• “Apaixonado por tecnologia”
• “Buscando novos desafios”
• “Profissional proativo com foco em resultados”

Prefira algo direto:

“AI Engineer com experiência em Python, FastAPI, RAG, APIs de LLM e deploy em cloud. Desenvolvi assistente com busca semântica para reduzir tempo de consulta a documentos internos, com monitoramento de custo, logs e avaliação de respostas.”

Se você vem de backend:

“Backend Engineer migrando para AI Engineering, com 4 anos em APIs Python/Node, SQL, Docker e cloud. Projetos recentes com RAG, embeddings e integração de LLMs em fluxos de atendimento e análise documental.”

Se você vem de dados:

“Data Scientist com foco em produção de soluções de IA, experiência em Python, SQL, modelagem, avaliação de modelos e pipelines. Projetos recentes com LLMs, RAG e deploy de APIs para uso por times de negócio.”

Experiência profissional

Transforme atividades em impacto.

Em vez de:

• “Trabalhei com modelos de machine learning”

Use:

• “Criei pipeline de classificação de tickets com Python e SQL, reduzindo triagem manual em 35% e acelerando o atendimento em 2 horas por dia”
• “Implementei API com FastAPI para consulta semântica em documentos internos, com tempo médio de resposta abaixo de 3 segundos”
• “Reduzi custo de chamadas LLM em 28% com cache, ajuste de prompts e roteamento por tipo de consulta”

Mesmo que seu projeto seja pessoal, use números honestos:

• “Processou 1.200 documentos de teste”
• “Reduziu latência de 8s para 3,5s”
• “Custo estimado de R$0,18 por consulta”
• “Cobertura de testes em 70% dos endpoints principais”

Skills

Separe por blocos:

• Linguagens: Python, SQL, JavaScript
• IA: LLMs, RAG, embeddings, prompt evaluation
• Frameworks: FastAPI, LangChain, LlamaIndex
• Dados: PostgreSQL, BigQuery, Airflow
• Cloud: AWS, Azure, GCP, Docker
• Engenharia: Git, CI/CD, testes, observabilidade

Não coloque tudo que você viu uma vez no YouTube. Em entrevista, isso vira armadilha.

Como procurar vagas de AI Engineer em Curitiba#

Você precisa procurar com estratégia.

Não dependa só do LinkedIn.

Buscas que você deve salvar

Use combinações como:

• “AI Engineer Curitiba”
• “Engenheiro de IA Curitiba”
• “Machine Learning Engineer remoto”
• “Generative AI Engineer Brasil”
• “LLM Engineer remoto”
• “MLOps Engineer Curitiba”
• “Python LLM remoto”
• “RAG Engineer”
• “Applied AI Engineer”
• “Backend Engineer IA”

No LinkedIn, configure alerta para Curitiba, Brasil remoto e São Paulo remoto. Muitas empresas colocam a vaga em São Paulo, mas aceitam candidatos de Curitiba.

Onde procurar

Use vários canais:

• LinkedIn Jobs
• Indeed
• Gupy
• Greenhouse
• Lever
• Wellfound
• Programathor
• GeekHunter
• Revelo
• Comunidades Slack e Discord
• Grupos de Telegram de tecnologia
• Página de carreiras das empresas

Também olhe direto em empresas como:

• Itaú
• Nubank
• Stone
• iFood
• Magalu
• Globo
• MadeiraMadeira
• Olist
• Ebanx
• Positivo Tecnologia
• Hotmart
• Pipefy

Algumas dessas têm ligação forte com Curitiba, outras contratam remoto ou têm times distribuídos.

Como abordar recrutadores

Mensagem curta funciona melhor.

Exemplo:

“Oi, Ana. Vi a vaga de Machine Learning Engineer na Stone e acredito que meu perfil combina bem. Tenho experiência com Python, FastAPI, RAG e deploy de APIs com LLM. Recentemente publiquei um projeto de assistente para consulta em documentos com avaliação de respostas e controle de custo. Posso te enviar o link?”

Se a pessoa responder, mande currículo e portfólio. Se não responder, não insista todo dia.

Como se preparar para entrevistas#

Entrevista de AI Engineer costuma misturar conversa técnica, arquitetura e comportamento.

Você pode receber perguntas como:

• Como você implementaria um sistema RAG?
• Como reduzir alucinação em respostas de LLM?
• Como medir qualidade de um chatbot?
• Quando usar fine-tuning e quando usar RAG?
• Como controlar custo de inferência?
• Como proteger dados sensíveis?
• Como faria deploy de um modelo?
• Como monitoraria queda de performance?
• Como explicaria uma solução de IA para produto?

Resposta boa sobre RAG

Uma resposta forte não é só “eu usaria LangChain”.

Você pode dizer:

“Eu começaria entendendo o tipo de documento, frequência de atualização e perguntas esperadas. Depois faria chunking com teste de tamanho, geraria embeddings, salvaria em um banco vetorial e montaria retrieval com top-k ajustável. Também incluiria fontes na resposta, logs das consultas, avaliação com perguntas reais e fallback quando a confiança fosse baixa.”

Isso mostra raciocínio.

Resposta boa sobre custo

Você pode dizer:

“Eu mediria custo por etapa: embedding, retrieval e geração. Usaria cache para perguntas repetidas, modelos menores quando possível, limite de tokens, compressão de contexto e roteamento por complexidade. Também acompanharia custo por usuário ou por processo de negócio, não só custo total.”

Isso mostra maturidade de produção.

Resposta boa sobre segurança

Você pode dizer:

“Eu evitaria enviar dados sensíveis sem necessidade, aplicaria mascaramento, controle de acesso, logs auditáveis e política de retenção. Também faria validação de input, proteção contra prompt injection e limitaria ferramentas que o agente pode chamar.”

Isso é muito importante em banco, saúde, jurídico e grandes empresas.

Inglês: precisa mesmo?#

Para as melhores vagas, sim, ajuda muito.

Você não precisa falar como nativo. Mas precisa conseguir:

• Ler documentação
• Participar de call técnica
• Explicar projeto
• Defender decisão técnica
• Escrever mensagem clara

Com inglês intermediário alto, você já concorre a muito mais vaga. Com inglês avançado, você pode buscar remoto internacional e mirar $80k, $100k ou mais por ano.

Se seu inglês ainda trava, faça uma rotina simples:

• 20 minutos por dia lendo docs de OpenAI, AWS ou Azure
• 10 minutos explicando seu projeto em voz alta
• 2 vezes por semana simular entrevista
• Manter seu README em inglês e português

Isso já muda seu jogo em alguns meses.

Erros que fazem candidatos perderem vaga#

Alguns erros aparecem muito.

1. Currículo genérico

Se o título da vaga é AI Engineer, seu currículo não pode parecer de “analista de dados genérico” ou “dev sem foco”.

Ajuste palavras-chave, experiências e resumo.

2. Portfólio sem README

Repositório sem explicação parece abandonado.

Seu README precisa ter:

• Problema
• Solução
• Arquitetura
• Como rodar
• Tecnologias
• Prints ou vídeo
• Decisões técnicas
• Próximos passos

3. Falar só de ferramenta

“Usei LangChain” não impressiona tanto.

Melhor dizer:

“Escolhi RAG porque a base muda toda semana e fine-tuning aumentaria custo e manutenção. Medi qualidade com 50 perguntas reais e ajustei chunking para reduzir respostas incompletas.”

4. Não saber colocar em produção

Notebook é ótimo para aprender. Mas empresa paga por sistema funcionando.

Aprenda a publicar API, lidar com erro, log, autenticação e deploy.

5. Candidatar sem adaptar nada

Enviar o mesmo currículo para 100 vagas pode até gerar volume, mas derruba sua taxa de resposta.

Para vagas boas, adapte:

• Título
• Resumo
• Top skills
• Dois bullets de experiência
• Link do projeto mais relevante

Estratégia para quem está migrando de área#

Se você vem de outra área, não tente apagar sua história.

Use sua experiência como vantagem.

Se você vem de suporte ou atendimento

Você entende dor real de cliente. Crie projeto de automação de triagem, chatbot com base de conhecimento ou análise de tickets.

Se você vem de finanças

Faça projeto de classificação de transações, análise de contratos, conciliação ou assistente para relatórios.

Isso conversa com Itaú, Nubank, Stone e fintechs.

Se você vem de marketing

Crie ferramenta de análise de campanhas, geração controlada de copies, classificação de leads ou resumo de pesquisas.

Isso conversa com e-commerce, Magalu, iFood e empresas de mídia.

Se você vem de jurídico

Faça copiloto para contratos, busca em jurisprudência ou comparação de cláusulas.

Só cuide para explicar limites e segurança.

Se você vem de backend

Seu caminho é muito bom. Foque em LLMs, RAG, embeddings, avaliação e MLOps.

Você já tem parte difícil: colocar software em produção.

Plano semanal de candidatura#

Você precisa tratar busca de vaga como pipeline.

Sugestão simples:

Segunda

• Revisar 10 vagas
• Escolher 3 prioritárias
• Adaptar currículo para 1 vaga excelente

Terça

• Enviar 5 candidaturas
• Mandar 3 mensagens para recrutadores ou líderes técnicos
• Melhorar README de projeto

Quarta

• Estudar 1 tópico técnico
• Resolver 1 desafio pequeno
• Publicar aprendizado no LinkedIn

Quinta

• Enviar mais 5 candidaturas
• Pedir indicação para 2 pessoas
• Simular entrevista técnica

Sexta

• Revisar respostas
• Ajustar currículo
• Gravar vídeo curto mostrando projeto
• Fazer follow-up educado

Com 4 semanas assim, você terá muito mais clareza do que está funcionando.

Como se destacar em Curitiba sem depender só do remoto#

Mesmo mirando remoto, vale aparecer localmente.

Faça isso:

• Participe de eventos de tecnologia em Curitiba
• Vá a meetups de Python, dados e produto
• Conecte com pessoas de empresas locais
• Compartilhe projetos no LinkedIn marcando Curitiba
• Converse com founders e CTOs de startups
• Ofereça ajuda técnica em comunidades

Muita vaga boa circula antes de virar post público.

Se você é a pessoa que aparece mostrando projeto útil, explicando IA sem enrolação e ajudando outros devs, você começa a ser lembrado.

O que aprender depois que conseguir entrevistas#

Se você já está recebendo convite, pare de estudar tudo e foque no gargalo.

Se está caindo em teste técnico:

• Pratique Python
• Revise APIs
• Faça exercícios de SQL
• Treine arquitetura simples

Se está caindo em entrevista de sistema:

• Estude design de sistemas
• Treine RAG em escala
• Fale sobre filas, cache, logs e custos

Se está caindo no fit cultural:

• Prepare histórias com método STAR
• Explique conflitos
• Fale de priorização
• Mostre colaboração com produto

Se está caindo por inglês:

• Treine apresentação do seu projeto
• Decore menos, pratique mais
• Grave sua fala e ajuste

O mercado não exige perfeição. Ele exige sinal claro de que você consegue aprender, entregar e trabalhar com outras pessoas.

Checklist final para vagas de AI Engineer em 2026#

Antes de se candidatar, confira:

• Seu currículo tem “AI Engineer”, “LLM”, “RAG”, “Python” e “FastAPI” se forem reais para você
• Seu LinkedIn está alinhado com o currículo
• Você tem pelo menos 1 projeto publicado
• Seu projeto tem README decente
• Você sabe explicar arquitetura em 3 minutos
• Você sabe falar sobre custo, segurança e avaliação
• Você tem exemplos com números
• Você salvou buscas com termos diferentes
• Você está pedindo indicação
• Você está adaptando currículo para as melhores vagas

Se você marcar 7 de 10, já pode começar a aplicar. Se esperar ficar perfeito, alguém menos preparado, mas mais visível, vai entrar antes.

Próximo passo#

Vagas de AI Engineer em Curitiba em 2026 vão premiar quem junta técnica com clareza. Não basta dizer que sabe IA, você precisa mostrar que consegue transformar IA em produto útil, seguro e mensurável.

Comece com um projeto pequeno, publique, ajuste seu currículo e aplique com foco. Você não precisa acertar tudo hoje, só precisa parar de parecer genérico.

Antes de enviar seu currículo para Itaú, Nubank, Stone, iFood, Magalu, Globo ou qualquer vaga remota boa, passe ele por uma checagem ATS gratuita e veja se ele está pronto para os filtros automáticos: teste seu currículo grátis no JobRise ATS Checker.