Senior AI Engineer
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). 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).
Наблюдалась 2026-09-14, впервые 2026-09-01, источник — Get on Board (LATAM).