Ingeniero de IA Staff - AI Labs

¿Qué ofrecemos?
Además de los beneficios personalizados que tenemos para cada país, dLocal te ayudará a prosperar y a dar ese paso extra ofreciéndote:
- Flexibilidad en tu forma de trabajar: Nos centramos en el impacto y la productividad por encima de las horas fijas. Esto significa que nuestros equipos tienen horarios flexibles y, dependiendo de tu rol y ubicación, combinarás tiempo de concentración autogestionado con momentos de conexión presencial en nuestros centros de colaboración.
- Industria Fintech: trabaja en un entorno dinámico y en constante evolución, con mucho por construir y para potenciar tu creatividad.
- Programa de bonos por referidos: nuestro talento interno es el mejor reclutador: recomienda a alguien ideal para un puesto y recibe una recompensa.
- Trabaja desde cualquier lugar: los miembros del equipo pueden trabajar mientras viajan hasta 3 meses cada año.

• Más de 8 años de experiencia en ingeniería de software, incluyendo experiencia significativa operando a un nivel de alcance senior o Staff.

• Profunda experiencia práctica construyendo y evaluando sistemas basados en LLMs y herramientas de IA modernas.

• Sólidos fundamentos de ingeniería de software y capacidad para construir rápidamente sistemas experimentales de alta calidad.

• Experiencia construyendo sistemas de IA agénticos o de múltiples pasos que involucren el uso de herramientas, orquestación, estado, recuperación o integraciones externas.

• Sólidos conocimientos de infraestructura en la nube, preferiblemente AWS, y capacidad para ejecutar cargas de trabajo experimentales de forma segura y consciente del coste.

• Experiencia con observabilidad, telemetría, pruebas y benchmarking de sistemas complejos.

• Capacidad para razonar sobre la arquitectura del sistema, la fiabilidad, la escalabilidad, los flujos de trabajo asíncronos y los componentes distribuidos cuando sea relevante.

• Trayectoria diseñando experimentos o benchmarks que hayan influido en decisiones técnicas significativas.

• Trayectoria diseñando y ejecutando benchmarks que comparen modelos y herramientas de IA bajo restricciones reales.

• Experiencia construyendo conjuntos de datos de evaluación: selección de tareas, etiquetado, disciplina de holdout y mantenimiento de un conjunto útil a medida que los modelos mejoran.

• Conocimiento práctico de los métodos LLM-as-judge y sus modos de fallo, junto con la evaluación humana, el acuerdo entre anotadores y una visión sobre cuándo es apropiado cada uno.

• Capacidad para razonar sobre la significación estadística en muestras pequeñas y para declarar la confianza de forma honesta en lugar de sobreinterpretar un resultado.

• Familiaridad con el seguimiento de regresiones, la telemetría y el versionado, de modo que un resultado siga siendo reproducible meses después.

• Capacidad para convertir ideas ambiguas de "deberíamos probar esta cosa nueva" en planes de evaluación bien delimitados con hipótesis y métricas claras.

• Comodidad tomando decisiones de compensación (trade-offs) entre calidad, latencia, coste y dependencia de proveedores (vendor lock-in), y documentándolas claramente.

• Experiencia escribiendo memorandos de decisión cortos y con opinión que ayuden a otros a avanzar rápido.

• Capacidad para explicar resultados técnicos a no especialistas en términos concretos y concisos.

• Experiencia trabajando con equipos de plataforma, producto y operaciones para alinear las evaluaciones con casos de uso reales.

• Capacidad para influir sin autoridad, alineando a los equipos en torno a estándares y salvaguardas compartidas.

• Curiosidad y tendencia hacia la experimentación, combinada con una medición disciplinada y conciencia del riesgo.

• Comodidad en un equipo pequeño y de alto impacto sin PMs integrados. Estructuras tu propio trabajo y mantienes informados a los stakeholders.

• Actitud de constructor: prefieres herramientas, plantillas y manuales reutilizables en lugar de trabajos puntuales.

Te unirás al AI Lab, un equipo cuya misión es validar tecnologías emergentes de IA y automatización de alto valor y reducir el riesgo de su adopción en dLocal. Esta es una oportunidad única para trabajar en la frontera de la IA aplicada en fintech: realizando experimentos rigurosos con los últimos modelos y herramientas, y convirtiendo los resultados en decisiones que definan cómo una empresa global de pagos adopta la IA.

Este es un rol de contribuidor individual senior. No requiere gestión directa de personas, pero conlleva una influencia técnica significativa dentro del Lab y en los equipos que consumen su trabajo.

Como Staff AI Engineer en el AI Lab, serás responsable del scouting tecnológico, el prototipado y la evaluación para dLocal. Realizarás spikes instrumentados y benchmarking sobre tecnologías de IA emergentes, producirás recomendaciones claras para los stakeholders de ingeniería, negocio, legal e IT basadas en tus prototipos, y coordinarás el traspaso a los equipos que llevan las tecnologías validadas a producción.

Para las tecnologías prometedoras, ayudarás a definir los patrones, las salvaguardas y los requisitos técnicos necesarios para su adopción, y coordinarás el traspaso a los equipos de ingeniería responsables de su puesta en producción.

• Realizar spikes instrumentados cortos y benchmarking sobre nuevos modelos, herramientas y frameworks: LLMs, sistemas agénticos, bases de datos vectoriales, frameworks de orquestación, copilots, asistentes y más.

• Comparar opciones de proveedores y de código abierto, documentando las compensaciones (trade-offs) en cuanto a calidad, coste, latencia, seguridad y complejidad de integración.

• Entregar memorandos de decisión concisos con recomendaciones claras: adoptar, observar o evitar.

• Diseñar y mantener entornos de evaluación (por ejemplo, conjuntos de datos, prompts, escenarios, telemetría) para probar modelos bajo restricciones realistas.

• Construir automatización y herramientas para medir la calidad, robustez, latencia y coste, incluyendo el seguimiento de regresiones a lo largo del tiempo.

• Asegurar que cada tecnología evaluada tenga cobertura de benchmark y una visión documentada de sus riesgos y limitaciones.

• Construir un sistema lo suficientemente completo como para entender cómo se comporta una tecnología en condiciones realistas, no solo en demos de proveedores o ejemplos aislados.

• Explorar la arquitectura, los patrones de integración, las restricciones operativas, los límites de seguridad y los modos de fallo a través de prototipos funcionales.

• Determinar qué condiciones deben cumplirse para que una prueba de concepto se convierta en una capacidad de producción viable.

• Priorizar prototipos enfocados que respondan a preguntas técnicas específicas por encima de la construcción prematura de sistemas de producción.

• Traducir los hallazgos técnicos en memorandos de decisión claros tanto para stakeholders técnicos como no técnicos.

• Para las tecnologías validadas, producir guías de preparación que cubran los patrones recomendados, salvaguardas, limitaciones conocidas, consideraciones operativas y requisitos de integración.

• Coordinar los traspasos a los equipos de ingeniería responsables de la puesta en producción.

• Apoyar a esos equipos durante la transición cuando se requiera un contexto profundo de la evaluación, sin convertirte en el propietario permanente del sistema resultante.

• Hacer un seguimiento de lo que sucede tras las recomendaciones del Lab y utilizar esos resultados para mejorar los futuros métodos de evaluación.

• Trabajar con los equipos de Seguridad, Legal, Compliance y otros equipos de IA para documentar evaluaciones de riesgo, mitigaciones y recomendaciones de gobernanza para cada tecnología evaluada.

• Mantener checklists, plantillas de decisión y estándares ligeros reutilizables en las evaluaciones y por parte de los equipos colaboradores.

• Incorporar los aprendizajes de herramientas de IA de terceros ya en uso, como copilots externos y la suite de IA de AWS, en las directrices de adopción.

• Colaborar con otros equipos de IA y equipos de dominio para asegurar límites claros y una colaboración fluida.

• Participar en los procesos de contratación como evaluador técnico y promotor de la cultura.

• Mentorear a ingenieros en el Lab y en equipos adyacentes sobre métodos de evaluación, benchmarking y diseño experimental.

• Compartir conocimientos a través de artículos internos, charlas técnicas y encuentros o conferencias externas ocasionales.