AI Engineer (RAG & Intelligent Agents)

• +3 años de experiencia en roles de desarrollo de software (Python, Node.js, Go, Java o similar). y al menos 1 año trabajando con sistemas de IA/LLMs en entornos productivos o experimentales avanzados .
• Experiencia construyendo soluciones con LLMs, embeddings y vector stores .
• Conocimiento en RAG , diseño de prompts y agentes estructurados.
• Experiencia con CI/CD y buenas prácticas de despliegue en entornos productivos.
• Conocimiento en prácticas de calidad: testing, documentación, seguridad y control de versiones.

Tecnologías con las que trabajarás:

• LLMs: OpenAI, Anthropic, Cohere, Mistral, Llama
• RAG: Embeddings, pipelines de recuperación y bases vectoriales
• Frameworks: LangChain, LlamaIndex, Semantic Kernel
• Infraestructura: Docker, Kubernetes, CI/CD
• Metodologías: Git, Jira/YouTrack, metodologías ágiles
• Desarrollar agentes inteligentes basados en LLMs para casos de uso corporativos.
• Implementar RAG (Retrieval-Augmented Generation) para acceso controlado a conocimiento y datos internos.
• Diseñar y estructurar prompts, roles, límites operativos y flujos de interacción entre agentes y usuarios.
• Realizar ajustes de modelos (fine-tuning ligero, prompt tuning o adapters) , evaluación y optimización según el caso de uso.
• Automatizar procesos mediante agentes orientados a análisis, validación, generación de contenido y mejora continua.
• Optimizar costo, tiempos de respuesta y performance en pipelines de IA.
• Construir y mantener pipelines CI/CD para modelos y agentes.
• Realizar pruebas funcionales y de seguridad orientadas a soluciones de IA.
• Trabajar con equipos de producto, seguridad, arquitectura y DevOps para asegurar integraciones estables y seguras.
• Traducir requerimientos de negocio en especificaciones técnicas y prototipos funcionales.
• Experiencia con LangChain, LlamaIndex o Semantic Kernel .
• Experiencia en bases vectoriales (Pinecone, Weaviate, ChromaDB, Qdrant).
• Experiencia en MLOps o LLMOps (monitorización, métricas, ajustes en producción).
• Familiaridad con arquitectura de microservicios y APIs REST.
• Comprensión de NLP, embeddings y métricas de evaluación de modelo