Sobre el Desafío Diseñar y desarrollar soluciones de inteligencia artificial aplicadas, seguras, eficientes y escalables en entornos productivos, aprovechando modelos de lenguaje (LLMs) y arquitecturas modernas como pipelines de RAG y agentes inteligentes. Serás responsable de construir features de AI que impacten directamente en usuarios y equipos internos, asegurando respuestas confiables, medibles y de alto rendimiento. ¿Cuál será tu rol? Diseñarás e implementarás soluciones de AI end-to-end, incluyendo agentes inteligentes, asistentes internos y workflows automatizados basados en LLMs. Desarrollarás y optimizarás pipelines de Retrieval-Augmented Generation (RAG) para garantizar respuestas precisas y contextualizadas. Integrarás APIs de modelos de lenguaje (como OpenAI o Anthropic) y frameworks de orquestación (LangChain, LangGraph, N8n) para construir agentes multi-step y stateful. Colaborarás con equipos de producto, diseño y data para definir casos de uso, métricas de éxito y experiencias de usuario basadas en AI. Implementarás prácticas de observabilidad y evaluación de modelos (ej. LangSmith), asegurando calidad, trazabilidad y mejora continua. Mantendrás pipelines de CI/CD y estándares de ingeniería que garanticen la calidad, seguridad y escalabilidad de las soluciones desarrolladas. Participarás activamente en revisiones de código, discusiones técnicas y definición de buenas prácticas en AI aplicada. Contribuirás a la evolución del conocimiento interno en AI (playbooks, guilds) y colaborarás con equipos multifuncionales en una visión integral del desarrollo. ¿Qué buscamos? Título universitario en Ingeniería en Sistemas, Ciencias de la Computación o campos afines. Experiencia en desarrollo de software (3–6 años) con al menos 1–2 años trabajando con modelos de lenguaje en entornos productivos. Experiencia práctica con APIs de LLMs (OpenAI, Anthropic u otros) y técnicas de prompt engineering a escala. Conocimiento en frameworks de agentes y orquestación (LangChain, LangGraph, AutoGen o similares). Experiencia con bases de datos vectoriales y búsqueda semántica. Sólidos fundamentos de ingeniería de software: código limpio, testing, control de versiones y CI/CD. Capacidad para definir y medir métricas de AI (latencia, tasa de éxito, hallucination rate, satisfacción del usuario). Experiencia trabajando en entornos dinámicos, con ambigüedad y foco en resultados. Competencias Claves: Capacidad para colaborar con equipos multidisciplinarios. Pensamiento analítico y orientación a producto. Experiencia construyendo soluciones AI en producción. Proactividad, autonomía y enfoque en impacto. Mentalidad de experimentación y mejora continua. ¿Qué ofrecemos? Espacio de trabajo colaborativo y de innovación. Esquema remoto. Compensación competitiva. Participación en proyectos de alto impacto en AI. Acceso a herramientas de última generación (LLMs, copilotos, observabilidad AI). #J-18808-Ljbffr