Site Reliability Engineer Lead (Observabilidade)

Se você tem paixão por inovação e busca trabalhar em um ambiente ágil, colaborativo e desafiador, esta pode ser a sua oportunidade!

O time de Cloud do Asaas está buscando uma pessoa para liderar o time de Site Reliability Engineering (SRE), sendo responsável por construir e evoluir a cultura de confiabilidade da nossa plataforma. Você será peça-chave na estruturação deste time, liderando especialistas em observabilidade, gerenciamento de incidentes e práticas de SRE.

Como SRE Lead, você combinará excelência técnica com liderança de pessoas, sendo responsável pela estratégia de observabilidade, definição de SLIs/SLOs, gestão de incidentes e redução de toil. Sua atuação garantirá que nossos times tenham visibilidade completa da plataforma e possam tomar decisões rápidas e assertivas.

Qualidade e confiabilidade são fundamentais para atender mais de 230 mil clientes! Se você compartilha dessa visão e quer construir um time de SRE de referência, junte-se ao nosso time!

Reside fora de Joinville? Sem problemas! Esta oportunidade está aberta para trabalho remoto/home office.

Liderança e Gestão de Pessoas

• Liderar, desenvolver e reter o time de SRE, promovendo alta performance, colaboração e aprendizado contínuo;
• Conduzir contratação, onboarding, feedbacks, PDIs e avaliações de desempenho;
• Definir estratégia e roadmap do time de SRE, alinhado aos objetivos de Cloud e do negócio;
• Disseminar a cultura de SRE e observabilidade, atuando como referência para Engenharia;
• Gerenciar prioridades, capacidade e trade-offs do time, garantindo entregas com qualidade;
• Alinhar iniciativas com lideranças de Cloud Engineering, Platform Engineering e Cloud Security;
• Reportar métricas, riscos e evolução do time para a liderança de Cloud.

Observabilidade e Confiabilidade

• Definir e liderar a estratégia de observabilidade (métricas, logs e traces);
• Evoluir a plataforma de observabilidade (Prometheus, Grafana, OpenTelemetry, Loki, Tempo);
• Estabelecer e governar SLIs, SLOs e Error Budgets para serviços críticos;
• Definir padrões de instrumentação para aplicações e infraestrutura, impulsionando adoção pelos times;
• Implementar estratégia de alertas acionáveis, reduzindo ruído;
• Planejar e executar gestão de capacidade baseada em métricas;
• Otimizar custos e performance das soluções de observabilidade em escala.

Gestão de Incidentes e Melhoria Contínua

• Estruturar e liderar o processo de gestão de incidentes (escalação, war room e comunicação);
• Garantir post-mortems blameless e acompanhar ações corretivas;
• Identificar recorrências e propor melhorias sistêmicas baseadas em dados;
• Liderar redução de toil com automações operacionais;
• Manter documentação operacional (runbooks, procedimentos e arquiteturas) atualizada e acessível.

• Experiência em liderança de times técnicos (SRE, DevOps, Cloud Engineering);
• Experiência em práticas de SRE, incluindo SLIs, SLOs, Error Budgets e Toil Reduction;
• Experiência com APM tools (Datadog, New Relic, Dynatrace);
• Conhecimento em observabilidade e telemetria (métricas, logs, traces), com Prometheus e OpenTelemetry (Grafana);
• Experiência prática com Infraestrutura como Código (AWS CDK, Terraform);
• Proficiência em linguagens de scripting (Python, Bash) e pelo menos uma linguagem de programação (Go, Java);
• Experiência com soluções de logging e tracing em escala (Loki, Tempo, Jaeger, ELK Stack);
• Experiência com Cloud, preferencialmente AWS;
• Experiência com containers (Docker) e orquestração (Kubernetes, ECS);
• Experiência em gerenciamento de incidentes e post-mortem;
• Entendimento de sistemas Linux e suas ferramentas de diagnóstico;
• Inglês técnico (leitura e escrita).