Mapa Mental de Entrevista

Sou Analista de Negócios e Engenheiro de Requisitos com mais de 9 anos de experiência, a maior parte em ambientes regulados como ANVISA, Petrobras e SEFAZ-PB. Minha especialidade é transformar necessidades complexas em requisitos claros, testáveis e auditáveis. Nos últimos anos passei a aplicar GenAI nesse trabalho: análise normativa acelerada, geração de cenários de teste e validação de consistência. Também avalio LLMs em projetos internacionais. Sou mestrando na UFPB pesquisando exatamente isso: LLMs aplicados à Engenharia de Requisitos.

Trabalho na interseção de requisitos e GenAI: aplico LLMs para acelerar análise normativa e gerar cenários de teste em sistemas regulados, avalio modelos em projetos internacionais (Turing, Outlier) com SxS e fact-checking, e pesquiso LLMs aplicados a requisitos no mestrado. Tudo isso em cima de 9+ anos de base sólida como analista de requisitos em ANVISA, Petrobras e SEFAZ.

S: portfólio de 50+ sistemas regulatórios e o discovery do SNCR, iniciativa nacional. T: traduzir regras densas em requisitos rastreáveis, com LGPD. A: discovery com stakeholders sêniores, histórias BDD/UAT, protótipos, contratos de API, GenAI na análise normativa. R: artefatos auditáveis, menos retrabalho, entregas mais previsíveis.

S: volume alto de normas a validar contra telas e integrações. T: acelerar sem perder qualidade. A: fluxos com LLMs + guardrails + revisão humana para análise, cenários de teste e checagem de consistência. R: ciclo de análise mais rápido com qualidade preservada.

S: evolução de sistemas corporativos em ambiente ágil multidisciplinar. T: requisitos testáveis com priorização por valor. A: elicitação, histórias refinadas, estimativas por pontos de função. R: entregas previsíveis e alinhamento negócio-TI.

S: modernização tributária do estado. T: mapear e especificar fluxos financeiros. A: BPMN (Bizagi), entrevistas, Scrum/Jira/Kanban. R: eficiência nos processos e apoio direto ao aumento da arrecadação.

S: negócios locais e produtos educacionais precisavam de atendimento automatizado. T: criar bots confiáveis. A: Typebot + API do ChatGPT, regras de negócio, ajuste iterativo de comportamento. R: menos respostas fora de contexto, mais resolução no primeiro contato.

S: plataformas internacionais de treinamento de IA. T: avaliar respostas com rigor reproduzível. A: SxS, fact-checking com evidências, documentação de padrões de erro para RLHF. R: contribuição para redução de alucinações e alinhamento dos modelos.

Frame: ciclo de projeto concluído com entregas sólidas + decisão deliberada de reposicionamento para unir requisitos e GenAI. Nunca falar mal do contrato ou da empresa. Encerrar olhando para frente: "o que busco agora é..."

Frame: "Minha experiência reduz seu risco e meu tempo de rampa. O que me atrai aqui é [elemento real da vaga], e senioridade para mim significa entregar e elevar o nível do time, não exigir título."

Frame: "Um vínculo principal em tempo integral (ANVISA) e projetos freelance de meio período em GenAI, deliberados, para construir experiência prática em avaliação de LLMs. Todos entregues com resultado."

Frame: pesquisar a faixa antes; responder com faixa, não número seco; ancorar em valor: "considerando o escopo da vaga, minha faixa é X–Y, com flexibilidade conforme o pacote completo."

"Não trabalhei com Qlik. Minha ferramenta de BI é Power BI, em uso real para dashboards de decisão. A lógica de modelagem transfere; a sintaxe se aprende rápido."

"Uso Python para automação e GenAI, não para pipelines de análise. Para análise, meu forte é SQL nível analista e Power BI. Se a vaga exige pipelines, sou transparente: é área de desenvolvimento para mim."

"Não atuei nessa plataforma específica, mas integrei e especifiquei contratos de APIs REST em sistemas críticos — o padrão de integração é familiar; o produto específico se aprende."

Como o sucesso desta posição é medido nos primeiros 6 meses? · Qual é o maior gargalo entre negócio e desenvolvimento hoje?

Como o time usa (ou pretende usar) GenAI no fluxo de trabalho? · Existe governança de IA definida?

Como é o rito de refinamento e priorização? · Quem são os stakeholders mais difíceis de alinhar?