Operação
Harmo, desde 2020
Co-founder e CTO. Plataforma multi-tenant com LLMs, embeddings e pipelines RAG rodando em produção pra varejo físico enterprise. Não é laboratório, é sistema com cliente pagando e SLA.
Ver no LinkedInConsultoria técnica · GenAI e dados
Consultoria em GenAI e dados que aguenta produção.
POC bonito é fácil. Pipeline RAG com custo previsível, latência sob controle e qualidade auditável é outra história. É nessa segunda parte que eu entro.
Mais de 15 anos construindo sistemas escaláveis. Hoje CTO da Harmo, plataforma AI-first que roda LLMs, embeddings e RAG em produção multi-tenant todo dia.
O que passa a ser medido
instrumentado- recall@ko retrieval trouxe mesmo o documento certo
- 0–1
- faithfulnessa resposta se sustenta no contexto recuperado
- 0–1
- custo / requisiçãoprompt, output e embedding somados
- USD
- latência p99o pior caso que o seu usuário sente
- ms
- consumo por tenantquem gasta o quê, com rateio defensável
- USD/mês
Nenhum desses números existe antes de alguém instalar. Enquanto não existem, qualidade de IA é opinião e custo é surpresa no fim do mês.
Escopos
Seis frentes, um critério: tem que rodar depois que eu sair.
Cada frente tem uma página própria com o detalhe técnico do que entra, o que não entra e como se mede.
Consultoria em IA & GenAI
Pipelines RAG do ingest ao reranking, escolha de modelo com matriz de tradeoff e avaliação automática rodando em CI.
- Arquitetura de sistemas de IA
- Implementação de RAG pipelines
- Prompt engineering
- OpenAI, Gemini, Claude, open-source
Engenharia de Dados
Pipelines que não quebram em silêncio: ingestão, ETL, particionamento e observabilidade de dado, não só de máquina.
- Pipelines de dados com Airflow
- ETL com Python
- Ingestão em tempo real
- Arquiteturas de dados multi-tenant
Arquitetura de Software
Decisão de arquitetura com o custo escrito ao lado. Microserviços quando resolve, monólito quando é honesto.
- Microserviços em Golang
- Arquiteturas event-driven
- Sistemas distribuídos
- Otimização de performance
Cloud & DevOps
Infra como código, cluster que escala sem susto e conta da AWS que alguém consegue explicar linha a linha.
- AWS (EKS, Lambda, Step Functions)
- Kubernetes
- Infraestrutura como código
- Arquiteturas serverless
Mentoria Tech
Sessão recorrente com engenheiro ou squad, revisão de código e arquitetura, e as conversas de carreira que ninguém tem.
- Mentoria individual
- Treinamento de equipes
- Revisão de código e arquitetura
- Boas práticas e padrões
Transformação Digital
Modernizar legado sem parar o negócio: migração em fatias, com rollback pensado antes e não durante.
- Modernização de sistemas
- Migração para cloud
- Adoção de IA e automação
- Estratégia de dados
Do primeiro contato ao handoff
Como funciona, com os prazos escritos.
Sem etapa de descoberta cobrada, sem proposta de trinta páginas. O rótulo de cada etapa é o prazo real dela.
-
dia 0
Conversa de 30 minutos, sem custo
Você descreve o problema, as restrições de stack, prazo e orçamento. Eu digo se resolvo, se resolvo parcialmente, ou se você precisa de outro tipo de profissional. Já saí de várias dessas conversas indicando outra pessoa, e tá tudo bem.
-
até 48h
Proposta com escopo, prazo e valor
Um documento curto com o que entra, o que explicitamente não entra, o cronograma e o valor fechado. Projeto com escopo definido, pacote mensal de horas ou hora avulsa pra diagnóstico. Você aprova ou não, sem follow-up chato.
-
2 a 12 semanas
Execução no seu repositório
Trabalho dentro do repo do cliente, no canal que o time já usa, com commit e PR revisável. Sem caixa-preta e sem entrega de zip no fim. Se o prazo escorregar, você fica sabendo na semana, não no vencimento.
-
no encerramento
Handoff e documentação
Documentação técnica, pareamento com o time interno e os runbooks do que foi construído. O objetivo é o cliente sair menos dependente de mim, não mais. Consultor que cria dependência tá vendendo outra coisa.
Verificável
O que dá pra conferir sem me perguntar nada.
Nada de logo de cliente que não posso citar. O que tem aqui você abre em outra aba e checa agora.
Código
Aberto no GitHub
Projetos open-source e o histórico de commits público. A melhor forma de avaliar um consultor técnico é ler o código dele antes de contratar.
Ver o GitHubEscrita técnica
Blog com o detalhe feio
Posts sobre crise de performance no Aurora, observabilidade no EKS, worker pools em Go, loop improdutivo em Step Functions. Problema real com número real, não listicle.
Ler no rifeli.devCases de cliente ficam sob NDA e por isso não estão publicados aqui. Na conversa de 30 minutos eu abro os detalhes que o contrato permite e passo referência direta de quem já trabalhou comigo.
Quem assina o trabalho
Leonardo Rifeli
Co-founder e CTO na Harmo, onde lidero estratégia, arquitetura e engenharia de uma plataforma AI-first que transforma dado operacional em decisão usando LLMs, pipelines RAG e arquitetura de dados multi-tenant.
São mais de 15 anos em engenharia de software, pipelines de dados e arquitetura cloud-native. A parte que eu mais gosto é a chata: transformar conjunto de dado bagunçado em coisa acionável com NLP, embeddings e orquestração de LLM, e depois provar que funciona com métrica.
Na Harmo conduzi a virada de analytics operacional pra um motor alimentado por IA, onde marcas conversam com o próprio dado em linguagem natural, geram relatório dinâmico, configuram notificação inteligente e chegam no insight em segundos. Isso significa que os problemas que você tem eu provavelmente já levei na cara.
Moro na área rural de Antônio Carlos, no sul do Brasil, equilibrando a vida de construtor, pai de família e eterno aprendiz. Atendo remoto, em português ou inglês.
"Construa tecnologia que escuta, aprende e age, para pessoas que importam."
15+
Anos de experiência
2
Startups fundadas
12+
Engenheiros liderados
2
Idiomas de atendimento
Stack
Tecnologia que eu opero, não que eu li sobre.
Tudo aqui já passou por produção com tráfego real e conta da AWS chegando no fim do mês.
GenAI e sistemas de IA
RAG pipelines
Embeddings (pgvector)
Prompt engineering
LangChain
LangGraph
OpenAI
Gemini
Claude
DeepSeek
Engenharia de dados
Airflow (MWAA)
Python ETL
Ingestão em tempo real
Sumarização de texto
Geração automatizada de insights
Backend e infraestrutura
Golang
APIs
Microserviços
Kubernetes
Redis
PostgreSQL
OpenSearch
Cloud-native
AWS EKS
AWS Lambda
Step Functions
Aurora
Arquitetura event-driven
Multi-tenant seguro
Perguntas frequentes
O que sempre perguntam antes de fechar.
O que é consultoria em GenAI e quando preciso contratar?
Consultoria em GenAI cobre desenho e implementação de soluções com LLMs, pipelines RAG, embeddings e integração com modelos como OpenAI, Gemini e Claude. Faz sentido quando o time precisa entregar valor com IA generativa em produção e não tem experiência consolidada em arquitetura desses sistemas, tradeoffs de custo/latência ou avaliação de qualidade.
Quanto custa implementar uma pipeline RAG?
Depende do volume de documentos, número de fontes, qualidade exigida e se a infra de vetor já existe. Um RAG inicial em produção pode rodar em algumas semanas; arquiteturas multi-tenant, com reranking e avaliação automática, escalam pra meses. O escopo é fechado na primeira conversa de diagnóstico, sem custo.
Qual a diferença entre consultoria e mentoria tech?
Consultoria entrega arquitetura, decisão técnica ou implementação direta no produto do cliente. Mentoria é desenvolvimento contínuo de profissionais ou equipes, com sessões recorrentes, revisão de código e arquitetura, e suporte em decisões de carreira ou liderança técnica.
Quais modelos de engajamento estão disponíveis?
Três formatos: projeto fechado com escopo definido e entrega cravada, pacote mensal de horas pra acompanhamento contínuo, e hora avulsa pra diagnósticos pontuais ou code review. CTO fracional também é possível pra empresas em estágio inicial que precisam de liderança técnica part-time.
Atende clientes fora do Brasil?
Sim. Consultorias e mentorias são remotas via Google Meet ou Zoom, e o atendimento é em português ou inglês. Já trabalhei com times distribuídos em múltiplos fusos horários.
Quanto tempo leva uma consultoria típica?
Diagnósticos curtos saem em uma a duas semanas. Projetos de implementação com escopo médio rodam entre quatro e doze semanas. Engajamentos contínuos como CTO fracional ou mentoria são por trimestre ou semestre.
Como funciona o primeiro contato?
É uma conversa de 30 minutos, sem custo, pra entender o problema, restrições e prazo. Se faz sentido seguir, o próximo passo é uma proposta com escopo, valor e cronograma. Pra agendar, basta preencher o formulário no fim da página.
Próximo passo
Meia hora resolve se faz sentido ou não.
Sem custo, sem proposta empurrada. Você sai com uma leitura técnica honesta do seu problema, mesmo que a resposta seja que você não precisa de mim.
Contato
Me conta o problema.
Quanto mais específico, mais útil a primeira conversa. O envio abre o WhatsApp com a mensagem já montada.