← Back to jobs

Pasito - Ai/Ml Engineer

silver

Remote
AI

Job Score

80 pts
On-site model (+70) AI (+10)

About Pasito

Pasito is the AI workspace for employee benefits.

We’re rethinking how group insurance and benefits are underwritten, delivered, used and measured - by the people who design them and the people who depend on them. Instead of static PDFs, disconnected systems, and manual workflows, Pasito brings plan design, payroll and benefits data, claims, and financial context into a single, AI‑native workspace that helps benefits actually work for the 178 million Americans who depend on this system.

We don’t build for brokers, carriers and employers - we build with them. That collaboration shows up in everything we ship: AI agents that extract and structure plan data, tools that turn complexity into clarity for employees, and workflows that save carriers and consultants hundreds of hours per case.

Today, Pasito supports many of the largest insurance carriers and brokers in the U.S. We’re backed by Y Combinator and Core Innovation Capital, and we’re growing quickly. We ship fast, iterate relentlessly, and care deeply about building systems that are accurate, scalable, and human.

If you’re excited to work alongside exceptional operators and engineers, and apply AI in a legacy industry where precision and trust matter, Pasito is the place for you.

About the role

As an AI/ML Engineer, you’ll work across backend systems, data pipelines, and AI/ML systems. You’ll help architect and build multi-agent systems, work across LLM development, agent orchestration, evaluation and deployment, owning the full development from prototype to production.

As an early member of the engineering team, you’ll have real ownership and influence: shaping architecture, defining standards, and building systems that carriers, brokers, and employers rely on every day.

What You’ll Do

  • Develop AI-native workflows
    Architect and build scalable multi-agent systems with clear evaluation metrics, monitoring, fallback strategies, and cost controls for extracting and reasoning over complex benefits data.

  • Own backend and data-heavy systems
    Design and own backend services, APIs, and data pipelines that power AI workflows, with a focus on correctness, scalability, observability, and long-term maintainability.

  • Collaborate cross-functionally
    Work closely with Product, Design, Sales, and Client teams to understand customer workflows and translate them into durable technical solutions.

  • Continuously improve systems
    Refine existing architecture, reduce operational complexity, and help define what “great” looks like as the platform scales.

Who You Are

  • A full stack engineer with 3+ years of experience building complex web applications

  • Comfortable owning backend systems and APIs, while collaborating closely on frontend experiences

  • Experienced integrating AI / LLM-powered systems into real products

  • Curious, adaptable, and energized by working in fast-moving, ambiguous environments

  • A collaborative partner to product managers, designers, and other engineers

Technical Experience We’re Excited About

  • 3+ years of experience in software engineering

  • Strong backend engineering experience with Node.js and Python. Hands-on experience integrating and operating AI systems using frameworks such as LangGraph, LangChain, LlamaIndex, and model SDKs (OpenAI, Anthropic, Google AI Studio), including prompt/version management and tool calling. Bonus: AWS, MySQL at scale, and JavaScript frameworks.

  • Experienced building, deploying, and operating multi-step or multi-agent AI systems in production, with ownership of correctness, latency, cost, and failure handling

  • Experienced designing and operating RAG or persistent memory systems using vector databases (e.g., Pinecone, Turbopuffer), including indexing strategies, retrieval evaluation, and performance/cost tradeoffs

  • Experienced building production-grade evaluation and monitoring pipelines for AI systems (e.g., LangSmith, Langfuse, MLflow), including offline evals, live metrics, and regression detection

  • Experience building document ingestion pipelines, structured extraction, chunking strategies, and handling noisy or inconsistent source documents

  • Curious, adaptable, and energized by working in fast-moving, ambiguous environments

  • A collaborative partner to product managers, designers, and other engineers

Experience in insurance, healthcare, or financial services is a plus, but not required.

What’s In It For You

  • Meaningful ownership: Build foundational systems used by carriers, brokers, employers, and employees at scale

  • Real impact: Your work directly improves how people understand and use their benefits

  • Growth: Join early and grow with the company as we scale our product, team, and distribution

The interview process

  • Silver screening Interview

  • Silver Technical Interview

  • Client Screening Interview

  • Client Technical interview

  • Client Behavioral Interview

Sobre a área de Inteligência Artificial

A área de Inteligência Artificial é atualmente a que mais cresce no mercado de tecnologia. A revolução dos modelos generativos (GPT, Claude, Gemini) criou uma demanda massiva por profissionais especializados em IA.

As principais áreas de atuação incluem Machine Learning Engineering, MLOps, Prompt Engineering, AI Research e Applied AI. Python, TensorFlow, PyTorch e conhecimento de LLMs são skills essenciais.

Salários na área de IA são os mais altos do setor de tecnologia, com muitas oportunidades de trabalho remoto para empresas internacionais.

Guias de Carreira

Guia de Carreira em Tecnologia

Planejamento, habilidades, entrevistas e crescimento profissional em TI, Ciência de Dados, DevOps e Produto.

Ler guia completo →

Guia de Carreira em Design

UX/UI, Design Gráfico, Design de Produto. Portfólio, ferramentas, entrevistas e crescimento na área de Design.

Ler guia completo →

Guia de Carreira em Marketing

SEO, Mídia Paga, Growth, Marketing de Conteúdo. Certificações, ferramentas e estratégias para crescer no Marketing Digital.

Ler guia completo →

Guia de Carreira em Finanças

Mercado financeiro, investimentos, finanças corporativas, certificações e estratégias para crescer na área financeira.

Ler guia completo →

Guia de Carreira em Comunicacao

Jornalismo, RP, Comunicacao Corporativa, Marketing de Conteudo e Producao Multimidia.

Ler guia completo →

Guia de Carreira em Administracao

Gestao de Empresas, RH, Logistica, Consultoria, Gestao de Projetos e Empreendedorismo.

Ler guia completo →

Guia de Carreira em Dados

Ciencia de Dados, Engenharia de Dados, BI, Machine Learning e IA. Da formacao ao mercado.

Ler guia completo →

Guia de Carreira em Produto

Product Management, Product Ownership, Agile, Scrum e OKRs. Da estrategia a execucao.

Ler guia completo →

Dica do Especialista

Por que IA e Dados são a Nova Moeda do Mercado

Historicamente, o departamento financeiro de uma empresa operava olhando pelo espelho retrovisor. O trabalho consistia em fechar o mês, consolidar planilhas, reconciliar contas e relatar aos acionistas o que havia acontecido. Em 2026, esse modelo não apenas envelheceu, ele se tornou um risco estrutural para qualquer negócio. A nova exigência do mercado não é a documentação do passado, mas a predição cirúrgica do futuro.

A união entre Inteligência Artificial (IA) e Ciência de Dados criou o que o mercado hoje chama de "Profissional de Finanças Aumentado" (Augmented Finance Professional). Profissionais que não dominam essas ferramentas estão sendo rapidamente rebaixados a funções operacionais de baixo valor, enquanto os fluentes em dados assumem as cadeiras de tomada de decisão (C-Level).

1. De Historiador a Estrategista de Negócios

O FP&A (Financial Planning & Analysis) sofreu a maior revolução desde a criação do Excel. Até poucos anos atrás, criar cenários de planejamento exigia semanas de compilação manual. Hoje, modelos de Machine Learning ingerem terabytes de dados não-financeiros — clima, sentimento em redes sociais, cadeias de suprimentos globais, flutuações cambiais em tempo real — para criar previsões de receita altamente precisas em segundos.

O profissional de finanças moderno precisa saber fazer as perguntas certas à máquina (Engenharia de Prompts) e validar a integridade dos dados (Data Governance). O valor do humano não está em construir o gráfico, mas em traduzir os insights algorítmicos em estratégia de alocação de capital.

2. IA Generativa: O Fim do "Trabalho Braçal" Financeiro

Com a maturidade de Modelos de Linguagem de Larga Escala (LLMs) especializados em finanças (como os derivados do BloombergGPT e soluções fechadas da Microsoft e OpenAI), a elaboração de relatórios narrativos de desempenho e a análise de contratos complexos foram automatizadas.

"A Inteligência Artificial não vai substituir o CFO. Mas o CFO que utiliza IA certamente substituirá aquele que se recusa a adotá-la."

Ferramentas de IA generativa em 2026 já são capazes de ler o balanço patrimonial, compará-lo com as metas trimestrais e gerar a primeira versão do DRE (Demonstrativo de Resultados) comentado, com alertas de anomalias, liberando o analista para investigar por que as variações ocorreram, em vez de perder tempo descrevendo-as.

O Stack Tecnológico do Profissional Financeiro em 2026

Saber Excel avançado e VBA já é considerado pré-requisito básico, não um diferencial. O mercado hoje exige:

  • SQL & Python: Para extração e manipulação de bases de dados massivas que o Excel não suporta.
  • Data Storytelling (Power BI / Tableau): A capacidade de transformar números densos em narrativas visuais acionáveis para o conselho de administração.
  • Automação (RPA): Implementação de robôs para fechamento contábil e reconciliação automática.
  • Fluência em IA: Entendimento prático de modelos preditivos e uso de "Copilotos" financeiros (IA Generativa) com segurança de dados corporativos.

3. Auditoria Contínua e Detecção de Fraudes

O modelo tradicional de auditoria por amostragem (onde auditores analisam 5% das transações para inferir a saúde de 100%) tornou-se obsoleto. O profissional moderno utiliza algoritmos de detecção de anomalias que auditam 100% das transações em tempo real.

Modelos de IA aprendem os padrões de gastos da empresa e bloqueiam faturas duplicadas, pagamentos suspeitos a fornecedores e desvios de compliance antes mesmo que o dinheiro saia do caixa. Isso transformou a gestão de risco: de uma investigação post-mortem para uma barreira preventiva ativa.

Conclusão

A transição para um ambiente financeiro movido a IA e Dados não é uma ameaça aos empregos na área, mas uma oportunidade de elevação intelectual da profissão. O contador, o analista e o diretor financeiro de 2026 são, na verdade, cientistas de dados aplicados a negócios. Investir na alfabetização de dados (data literacy) deixou de ser uma vantagem competitiva para se tornar o passaporte mínimo de entrada nas corporações de alto nível.

Conteúdo focado em Desenvolvimento Profissional e Transformação Digital.