Senior AI Engineer
Summary
Design and build LLM agents, MCP servers, and AI infrastructure using Python/TypeScript and AWS Bedrock to support financial workflows like factoring and risk analysis.
- Diseñar y construir agentes sobre LLMs: automatizaciones de workflow y agentes multi-paso con tool use, incluido el harness que los ejecuta (loop del agente, gestión de contexto y memoria, manejo de errores, límites de acción).
- Construir y operar servidores MCP que expongan los servicios y datos internos a agentes y herramientas de desarrollo, con permisos y auditoría.
- Diseñar la arquitectura AI del ciclo de desarrollo: contexto de repositorio para agentes de código, specs como contrato ejecutable, agentes en CI/CD, evals del flujo de desarrollo.
- Administrar la infraestructura AI: plataformas de modelos, APIs de proveedores, herramientas de automatización, costos y cuotas.
- Definir guidelines de uso de AI para el equipo y la empresa (seguridad de datos, casos de uso permitidos, calidad).
- Evaluar y medir la calidad de las soluciones AI: evals automatizados, trazas y monitoreo de agentes en producción, guardrails.
- Capacitar al equipo en herramientas AI y asistentes de código.
- Mantenerse al día con el ecosistema y proponer casos de uso de negocio (factoring: análisis de riesgo, procesamiento de documentos, atención a clientes).
- Agentes: arquitecturas de agentes (single y multi-agente), tool use / function calling, salidas estructuradas; diseño de harness — loop del agente, gestión de contexto y memoria, sandboxing, recuperación de errores; experiencia con SDKs y frameworks de agentes del mercado.
- Context engineering: prompt engineering sistemático, RAG, contexto de repositorio para agentes de código (instrucciones, skills, specs).
- MCP e integraciones: construcción de servidores MCP; integración de agentes con APIs internas y de terceros.
- Plataformas: servicios cloud de AI generativa (ej. AWS Bedrock), APIs de proveedores de modelos, orquestadores de workflows; selección de modelo por costo, latencia y calidad.
- Ingeniería: Python o TypeScript/Node.js para integraciones; APIs REST; conocimiento del stack interno para integrar AI en los servicios.
- Evaluación y observabilidad: diseño de evals (incluido LLM-as-judge), suites de regresión para agentes, trazas y métricas de calidad, guardrails.
- Seguridad: manejo responsable de datos sensibles (industria financiera) en flujos AI; control de acciones de agentes (permisos, human-in-the-loop donde corresponde, defensa ante prompt injection).
- Tarde Libre por tu cumpleaños
- Seguro complementario
- 3 días de vacaciones adicionales
- Fruta de la temporada
Entre otros..