Software, automação e IA aplicada.

Sou Carlos Eduardo Lobo, profissional de tecnologia com mais de 18 anos de experiência em desenvolvimento de software, automação de processos, integração de sistemas e inteligência artificial aplicada. Desde 2008, participo de soluções digitais do início ao fim — do entendimento do problema ao sistema em produção. Hoje, meu foco está em conectar desenvolvimento de software e IA aplicada para resolver problemas reais de negócio.

Sobre

Minha trajetória começou na eletrônica e em sistemas embarcados, e evoluiu para sistemas empresariais, aplicações web, APIs, integrações e arquitetura de soluções.

Com a evolução da inteligência artificial, aprofundei meus estudos na construção de agentes, automações inteligentes e modelos de linguagem.

Hoje, concentro minha atuação na interseção entre desenvolvimento de software, automação de processos e inteligência artificial aplicada.

Áreas de atuação

• Desenvolvimento de software — Desenvolvimento e evolução de sistemas web, aplicações internas, APIs e produtos digitais — desde a criação de uma solução nova até a modernização de um sistema existente.
• Inteligência artificial aplicada — Soluções de IA para analisar informações, processar documentos, gerar conteúdos estruturados e apoiar decisões dentro de processos empresariais reais, de forma prática e conectada aos sistemas já usados pela organização.
• Agentes de inteligência artificial — Agentes capazes de interagir com APIs, bancos de dados, documentos e sistemas corporativos: consultando informações, interpretando contexto e executando ações dentro de um processo.
• Automação de processos — Fluxos automatizados que reduzem tarefas manuais e retrabalho, combinando sistemas próprios, plataformas externas, RPA e modelos de IA.
• Integração de sistemas — Integrações entre sistemas, APIs, bancos de dados e aplicações legadas, para que a informação circule de forma segura e sem duplicidade.
• Modernização de sistemas — Evolução de aplicações existentes — arquitetura, interface, integrações e segurança — preservando o que funciona e modernizando o que limita o crescimento.
• Consultoria e análise técnica — Diagnóstico de cenário, definição de escopo, avaliação de viabilidade e escolha de tecnologia para projetos de software e IA.

Especialidades

• Agentes de IA e sistemas multiagentes
• Fine-tuning, LoRA e QLoRA
• RAG (Retrieval-Augmented Generation) e bancos vetoriais
• LangChain e LangGraph
• APIs REST e arquitetura de integrações
• RPA e automação de fluxos
• Processamento e geração de documentos com IA
• Arquitetura e modernização de sistemas legados

Blog

• Fine-tune de LLMs para documentar código legado — Como treinar um modelo de linguagem menor para documentar código legado em PHP, JavaScript e SQL com fidelidade ao código, sem inventar regras de negócio e deixando claro quando não houver informação suficiente.
• Observabilidade e Segurança em IA: o que monitorar e o que proteger — Tracing, métricas de LLM, prompt injection e guardrails: a dupla que decide se um sistema de IA é confiável em produção. Sétimo post da série sobre engenharia para Senior AI Engineer.
• Arquitetura de sistemas com IA: o que muda quando o modelo vira peça crítica — IA-first não é sobre qual modelo usar. É sobre latência, falha, custo e como o sistema se comporta quando o LLM engasga. Fundamentos de arquitetura para quem constrói produtos com IA em produção.
• Backend para aplicações com IA: o que muda quando o LLM entra na stack — FastAPI, AsyncIO, filas e streaming: como desenhar o backend que sustenta chamadas de LLM sem travar o resto do sistema. Segundo post da série sobre engenharia para Senior AI Engineer.
• Agentes e MCP: da automação de tarefa à delegação de verdade — Tool calling, memória, orquestração multi-agente e o papel do MCP como protocolo comum. Terceiro post da série sobre engenharia para Senior AI Engineer.
• RAG avançado: além do chunk-and-embed que todo tutorial ensina — Hybrid search, reranking, GraphRAG e cache semântico: o que separa um RAG de demonstração de um RAG que aguenta pergunta real de usuário. Quarto post da série sobre engenharia para Senior AI Engineer.
• Fine-tuning: quando ajustar o modelo compensa mais que ajustar o prompt — LoRA, QLoRA, SFT, DPO e o que realmente muda entre as técnicas de fine-tuning. Quinto post da série sobre engenharia para Senior AI Engineer.
• Deploy de modelos: da GPU certa ao autoscaling que não quebra o orçamento — Ollama, vLLM, TensorRT-LLM e as decisões de infraestrutura que definem custo e latência de inferência em produção. Sexto post da série sobre engenharia para Senior AI Engineer.