Wise AI Engineer: palavras-chave de curriculo e entrevista

Você quer se candidatar para AI Engineer na Wise e não sabe quais palavras-chave colocar no currículo nem como responder às perguntas técnicas. É uma vaga de produto financeiro, com foco real em machine learning aplicado, não em pesquisa pura. Seu currículo precisa mostrar isso.

A Wise move dinheiro entre países. Isso significa modelos que afetam pessoas de verdade, com risco de fraude, câmbio e compliance no meio. Quem contrata quer alguém que entenda o ciclo inteiro de um modelo em produção.

O que a Wise provavelmente procura#

Não tenho acesso ao processo interno da Wise. Dá para inferir o perfil pela descrição pública das vagas de engenharia deles e pelo que faz sentido em fintech internacional.

Modelos em produção são o centro. Isso inclui treino, avaliação, monitoramento e deploy. Também inclui engenharia de dados: pipelines, versionamento de datasets, qualidade de features.

Linguagens: Python é quase certo. Muitas vagas de AI Engineer pedem experiência com frameworks de ML como PyTorch ou TensorFlow, e com infraestrutura em nuvem (AWS, GCP ou Azure). A Wise tem times distribuídos, então comunicação escrita em inglês pesa.

Fintech adiciona camadas. Detecção de fraude, previsão de demanda, sistemas de recomendação, processamento de linguagem para atendimento. Se você tem experiência em qualquer um desses, coloque.

Palavras-chave para o currículo#

Use termos que aparecem em descrições de vaga de AI Engineer e machine learning engineering. Não enfeite. Cada palavra precisa estar sustentada por algo que você realmente feu.

• Machine learning em produção, MLOps, deploy de modelos
• Python, PyTorch, TensorFlow, scikit-learn
• AWS, GCP, Azure, Docker, Kubernetes
• Feature engineering, data pipelines, ETL
• Detecção de fraude, risk scoring, credit scoring
• NLP, LLMs, RAG, embeddings, fine-tuning
• A/B testing, model monitoring, drift detection
• SQL, Spark, Airflow, dbt

Para saber quais termos a vaga específica usa, decodifique a descrição da vaga antes de escrever. O decodificador de vagas do jobrise ajuda a extrair as palavras-chave que realmente importam: ferramenta gratuita para decodificar vagas.

Como escrever o bullet certo#

Bullet genérico não funciona. "Responsável por modelos de machine learning" não diz nada. Mostra o que você fez, com qual ferramenta, e qual foi o efeito.

Antes: "Trabalhei com modelos de previsão para o time de produto."

Depois: "Implementei modelo de previsão de churn em Python (XGBoost) que rodou em pipeline diário no Airflow, reduzindo o tempo de geração de leads qualificados de 2 dias para 30 minutos, com adoção pelo time de vendas."

O segundo tem ferramenta, contexto e resultado. Se você não tem o número exato, use uma ordem de grandeza honesta. Não invente.

Confira como o currículo passa por sistemas automáticos antes de chegar em gente. O verificador de ATS gratuito mostra se o formato está legível para esses sistemas: teste seu currículo contra o ATS.

Preparação para a entrevista#

A entrevista técnica de AI Engineer costuma ter três frentes: fundamentos de ML, coding, e system design de ML. Também pode ter uma parte de comportamental e fit cultural.

Para fundamentos: saiba explicar bias-variance, overfitting, regularização, métricas (precision, recall, F1, AUC) e quando cada uma importa. Em fintech, custo de falso positivo e falso negativo raramente é simétrico. Pense nisso.

Para coding: pratique Python em plataforma de desafio. Leetcode médio, estruturas de dados, manipulação de arrays e strings. Também SQL, que aparece muito em vagas de dados e ML.

Para system design: pense em como você levaria um modelo do notebook para produção. Coleta de dados, treino, validação, deploy, monitoramento, retreino. Quais métricas você monitora? Como detecta drift?

Exemplo de resposta#

Pergunta: "Conte sobre um modelo que você colocou em produção. Quais desafios teve?"

Resposta: "Trabalhei num modelo de detecção de fraude para uma fintech de pagamentos. O desafio principal era o desbalanceamento: menos de 2% das transações eram fraudulentas. Comecei com uma baseline de regras e subi para gradient boosting, usando SMOTE para rebalancear o treino. A parte difícil foi o threshold: recall alto demais bloqueava cliente bom, precision alta demais deixava fraude passar. Ajustamos o threshold com o time de operações, olhando o custo real de cada erro. Em produção, coloquei monitoramento de drift nas features principais, porque o perfil de fraude muda rápido. O modelo roda hoje com retreino semanal."

Essa resposta mostra técnica, tradeoff e operação. Não mostra só biblioteca.

Cuidados com o mercado brasileiro#

Se você está no Brasil se candidatando para vaga remota da Wise ou de outra empresa internacional, alguns pontos valem atenção.

Salários variam muito. Para AI Engineer remoto sênior contratado do Brasil, faixas reportadas giram entre R$ 15 mil e R$ 30 mil mensais, mas depende do modelo de contratação (PJ ou CLT), do nível e da empresa. Confira sempre a fonte oficial da vaga e sites de Glassdoor ou levels.fyi atualizados.

Se a vaga for relocation, o pacote de visto e relocação depende do país de destino e da empresa. Não existe garantia. Verifique direto com o recrutador e com a fonte oficial de imigração do país.

Falar inglês fluente é praticamente obrigatório. Prepare-se para entrevistas em inglês, mesmo que a conversa inicial seja em português.

Checklist antes de enviar#

• O currículo tem as palavras-chave da descrição da vaga, sem forçar
• Cada bullet mostra ferramenta, contexto e resultado
• O formato passa em leitura por ATS (sem tabelas malucas, sem foto)
• Você tem uma versão do currículo em inglês, atualizada
• LinkedIn espelha as palavras-chave principais do currículo
• Você sabe explicar cada projeto que está no currículo, em detalhe
• Você praticou coding e SQL na última semana
• Você tem duas histórias prontas de comportamental (conflito, falha, liderança)

Para encontrar vagas de AI Engineer abertas agora, incluindo fintechs internacionais que contratam do Brasil, o painel de vagas ajuda: veja vagas de AI Engineer.

Ferramentas grátis#

• jobrise.io/pt/free-ats-checker/
• jobrise.io/pt/free-jd-decoder/
• jobrise.io/pt/jobs/
• jobrise.io/pt/blog/

Perguntas frequentes#

Quais palavras-chave são mais importantes para AI Engineer na Wise?

Machine learning em produção, Python, MLOps, deploy de modelos, feature engineering e monitoramento de modelos são as mais recorrentes em vagas de AI Engineer em fintech. Detecção de fraude e NLP aparecem dependendo do time. Use só as que você consegue sustentar em entrevista.

Preciso ter experiência em fintech para me candidatar?

Não necessariamente. Experiência em ML aplicado a produto, com modelos rodando em produção e impacto mensurável, costuma valer mais que domínio de fintech específico. Se você tem experiência em risco, fraude ou crédito, destaque.

O currículo deve ser em inglês ou português?

Para Wise, inglês. A empresa opera em vários países e o processo de engenharia é majoritariamente em inglês. Tenha as duas versões, mas envie a em inglês para vaga internacional.

Como responder se não sei uma resposta técnica?

Diga que não sabe e mostre como você chegaria à resposta. Pense em voz alta: o que testaria, que dados olharia, que tradeoffs consideraria. Recrutadores de engenharia valorizam raciocínio mais que decoreba.

Vale a pena mencionar projetos pessoais de IA?

Vale, se eles mostram algo que o trabalho não mostra. Um projeto de fine-tuning de LLM ou um RAG bem documentado no GitHub ajuda. Projeto pessoal genérico de tutorial não agrega, deixe de fora.