A pessoa Gerente SRE (Site Reliability Engineering) é responsável por liderar a equipe de engenheiros de confiabilidade do site, garantindo a disponibilidade, desempenho e eficiência dos sistemas e infraestrutura.

• Experiência prévia em funções de SRE ou operações de sistemas
• Conhecimento em ferramentas de monitoramento e análise de sistemas
• Habilidades de liderança e trabalho em equipe
• Capacidade de resolver problemas complexos de forma eficiente
• Conhecimento em práticas de DevOps e automação
• Excelentes habilidades de comunicação e documentação
• Formação acadêmica na área de Tecnologia da Informação ou áreas relacionadas

Experiência

• Sólida vivência em Engenharia de Software, DevOps ou SRE, com experiência comprovada em posição de liderança/gestão de times técnicos.
• Histórico de atuação em ambientes de alta escala e criticidade.

Stack técnica

• Nuvem pública: AWS, GCP, Azure e/ou OCI.
• Orquestração e containers: Kubernetes e Docker.
• IaC: Terraform e Ansible.
• Observabilidade: Prometheus, Grafana, Datadog e OpenTelemetry.
• Linguagens: Go, Python e Bash.
• Bancos de dados relacionais e NoSQL em produção.

Práticas

• Disaster Recovery, segurança em infraestrutura e FinOps.
• Gestão de incidentes e cultura de postmortems.
• Planejamento de capacidade e performance em ambientes de microsserviços.

Soft skills

• Liderança e desenvolvimento de pessoas.
• Comunicação clara com públicos técnicos e executivos.
• Tomada de decisão sob pressão e raciocínio analítico.
• Visão de negócio e capacidade de priorização.

Liderança estratégica

• Definir a visão, o roadmap e os processos da área de SRE, alinhando a infraestrutura aos objetivos de negócio.
• Estabelecer e evoluir políticas de SLIs, SLOs, SLAs e error budgets.
• Representar a área junto a stakeholders de Produto, Engenharia, Segurança e Negócios.

Gestão de pessoas e projetos

• Liderar, desenvolver e engajar a equipe de SRE, conduzindo 1:1s, PDIs, avaliações de desempenho e processos de contratação.
• Gerenciar orçamentos de Capex e Opex, acompanhando KPIs de eficiência e custo.
• Priorizar iniciativas e balancear entregas de curto prazo com investimentos em confiabilidade.

Confiabilidade e performance

• Elevar a resiliência dos ambientes, monitorando disponibilidade, latência, taxa de erro e saturação.
• Planejar capacidade, performance e custos de infraestrutura (FinOps).
• Conduzir iniciativas de Disaster Recovery, testes de resiliência e chaos engineering.

Resposta a incidentes

• Atuar ativamente na gestão de crises e incidentes críticos (incident commander quando necessário).
• Promover a cultura de blameless post-mortems e aprendizado contínuo.
• Estruturar rotinas de on-call saudáveis e sustentáveis para o time.

Automação e engenharia de plataforma

• Impulsionar o uso de IaC (Terraform, Ansible) e pipelines de CI/CD.
• Reduzir toil por meio de automação e construção de capacidades de plataforma reutilizáveis.
• Estabelecer padrões de observabilidade (logs, métricas, traces) com Prometheus, Grafana, Datadog e OpenTelemetry.

Modelo de Trabalho: Presencial - Recife - PE