Ingeniero de IA Aplicada Sénior, Plataforma de IA

• Experiencia: más de 5 años construyendo software de producción, incluyendo al menos una capacidad basada en agentes o LLM que hayas gestionado de extremo a extremo y que hayas seguido liderando una vez que estuvo en producción.

• Agentes: profundidad real en orquestación e ingeniería de contexto (contratos de herramientas, memoria, RAG, diseño multi-agente) con Mastra, ai-sdk, LangGraph o similares. Has integrado agentes en un producto real y en su modelo de autorización, no has construido prototipos para que otra persona los lleve a producción.

• Evaluación: sabes cómo hacer medible un sistema no determinista, desde casos de prueba basados en datos reales hasta suites de regresión y revisión humana, y sabes distinguir entre un modelo que ha mejorado y un benchmark que se ha vuelto más fácil.

• Producción: te haces responsable de lo que lanzas. Leer trazas, diagnosticar modos de fallo, ajustar coste y latencia, gestionar los límites de tasa de los proveedores y el fallback sin complicaciones.

• Backend: Tienes experiencia con TypeScript y/o Python.

• Mentalidad de plataforma: construyes tanto para otros ingenieros como para los usuarios finales, y los estándares que estableces se adoptan porque la gente confía en ti, no porque estén escritos.

• Pragmático: partes del resultado de negocio, eliges la solución determinista cuando es la correcta y sabes cuándo algo "suficientemente bueno" es suficiente.

• La experiencia en fintech, mercados privados u otro dominio regulado y con gran volumen de documentos es un plus, al igual que trabajar bajo restricciones de residencia de datos de la UE.

bunch está construyendo la columna vertebral de los mercados privados. Estamos impulsando las operaciones de fondos de nueva generación con un sistema integrado que combina infraestructura de datos segura, flujos de trabajo con IA y servicios de fondos expertos. Si valoras la responsabilidad, el crecimiento mediante responsabilidades reales y trabajar con un equipo reflexivo y ambicioso, este puesto podría ser para ti.

Como Senior Applied AI Engineer en nuestro equipo de AI Platform, llevarás la IA en bunch de algo que funciona a algo en lo que se puede confiar plenamente. Ya ejecutamos IA en producción: un pipeline de extracción de documentos en vivo en fund operations, flujos de trabajo de agentes en Mastra, evaluaciones y fallback multi-proveedor dentro de la residencia de datos de la UE. Las operaciones de fondos se basan en documentos, plazos y números que deben ser correctos: documentos de suscripción para analizar, llamadas de capital para gestionar, datos de cartera para conciliar. Construirás sobre esa base: más agentes que liberen a las personas de ese trabajo, las evaluaciones que demuestren que se puede confiar en ellos para ello, y la plataforma que permita a todos los demás equipos de bunch lanzar productos de la misma manera. Esto es ingeniería de producto de extremo a extremo, no investigación: te encargarás de la arquitectura, la evaluación, la integración y el despliegue.

• Construir y lanzar agentes. Diseñar agentes que automaticen flujos de trabajo reales de fund-operations, y hacerte responsable de ellos desde el prototipo hasta la producción y después. Se integrarán con nuestros servicios, modelo de datos y sistema de autorización; no se quedarán al lado del producto como prototipos independientes.

• Evaluar y mejorar el rendimiento de los agentes. Construir la capa de evaluación: casos de prueba creados a partir de documentos reales con el resultado que esperamos, suites de regresión en CI, revisión humana donde la corrección es innegociable, y criterios de éxito claros para un agente que completa una tarea compleja de principio a fin. Luego, mejorar las métricas que importan: precisión, latencia, coste.

• Liderar la arquitectura de aplicaciones de IA. Diseño de orquestación y multi-agente, contratos de herramientas, memoria e ingeniería de contexto (RAG, MCP) con límites de dominio claros, además de las salvaguardas, aprobaciones y controles de "human-in-the-loop" que requiere cualquier cosa que toque el dinero de los inversores.

• Ejecutarlo en producción. Despliegue de versiones de agentes con control de versiones y feature flags; límites de tasa (rate limits), fallback de proveedor y failover regional dentro de la residencia de datos de la UE; y la observabilidad para rastrear un fallo a través de los servicios y convertirlo en una solución en lugar de una teoría.

• Convertirlo en una plataforma, no en un proyecto. El análisis y la extracción de documentos se consolidarán en este equipo, y la evaluación y observabilidad compartidas se convertirán en algo que consuman otros equipos en lugar de tener que reconstruirlo. Establecerás los patrones que heredarán otros ingenieros, colaborarás estrechamente con DevX y serás mentor de ingenieros de otros equipos en prácticas de agentes y LLM.

• Revisar nuestra oferta de MCP de extremo a extremo y lanzarla a los primeros clientes, con los límites de acceso, evaluación y observabilidad que requiere una interfaz orientada al cliente.

• Implementar observabilidad compartida para nuestras cargas de trabajo de IA (uso de tokens, coste estimado, latencia, fallos y reintentos por proveedor) en un dashboard que la gente realmente abra durante un incidente.

• Publicar la v1 de nuestros patrones de agentes (límites de dominio, contratos de herramientas, convenciones de prompts y evaluación), revisada con DevX y adoptada por al menos un equipo fuera de AI Platform.

• Frontend: TypeScript, Svelte y React

• Backend: Node.js, Nest.js

• Base de datos: MySQL, PostgreSQL

• IA: Mastra, Vercel ai-sdk, Google Vertex (Gemini) con fallback en AWS Bedrock en regiones de la UE

• Infraestructura: Kubernetes en AWS

• Observabilidad: Datadog

• Auth y herramientas internas: FusionAuth, Retool