Sobre

Modelagem de Dados em Grafos: Definir e implementar o esquema do banco usando Google Cloud Spanner Graph. Modelar entidades legislativas (DocLegal, Artigo, Capítulo, Inciso) e relacionamentos complexos (Contém, Altera, Revoga, Afeta). Utilizar ontologias e vocabulários controlados como LexML e schema.org/Legislation. Engenharia e Integração de Dados: Construir pipelines para ingerir dados não estruturados (HTML de leis antigas e novas), integrados com Gemini on Vertex AI. Desenvolver lógica de Node Split & Versioning via Cloud Functions. Garantir histórico completo e versionamento automático das normas. Segurança e Imutabilidade: Implementar armazenamento WORM (Bucket Lock) para garantir imutabilidade legal. Trabalhar com auditoria e integridade usando Cloud Logging. Visualização e Análise: Criar notebooks, dashboards ou visualizações para explorar a topologia do grafo legislativo. Apoiar o time jurídico e técnico na validação das relações e da consistência temporal. Experiência comprovada com bancos de grafos (Neo4j, TigerGraph, Amazon Neptune ou Spanner Graph); Domínio de Google Cloud Platform (GCP); Forte conhecimento em GQL e SQL ANSI; Programação em Python (Cloud Functions, ETL/ELT, Notebooks); Vivência em modelagem de dados hierárquicos e relacionamentos recursivos. Diferenciais (Nice to Have): Familiaridade com LexML; Experiência com LLMs (Gemini, OpenAI) para NLP jurídico; Conhecimento de WORM Storage e práticas de auditoria e conformidade regulatória.