Pricipal AI/RAG Engineer (Document Intelligence)

Nuestro cliente es una empresa líder mundial en gestión de inversiones con sede en Londres. Gestiona más de 228.000 millones de dólares en activos y presta servicios a inversores institucionales, fondos de pensiones, gestores de patrimonios y otros clientes sofisticados en todo el mundo. La firma se especializa en inversión cuantitativa, inversiones alternativas, estrategias de trading sistemático y gestión de activos impulsada por la tecnología. La ciencia de datos, el aprendizaje automático y la IA son componentes centrales de sus procesos de inversión e investigación.

Como parte de nuestra colaboración, nos centraremos en dos capacidades fundamentales necesarias para permitir una adopción de la IA segura y escalable en toda la empresa: Agentic Security y AI-Ready Data Foundations.

Construimos las bases de datos que hacen que la IA sea útil y segura dentro de empresas financieras reguladas. El valor de la IA está limitado por los datos a los que sus agentes pueden acceder: si un agente no puede encontrar, interpretar, rastrear o recibir los permisos correctos sobre los datos, la capacidad es inútil o, lo que es peor, insegura. Tu trabajo es cerrar esa brecha.

Este es un puesto senior práctico para un excelente ingeniero de Python con sólidas habilidades en ingeniería de datos y que se sienta realmente cómodo construyendo con agentes de IA. Diseñarás y construirás las capas de catálogo, semántica, permisos y analítica que transforman grandes entornos de datos on-premise en algo que los agentes puedan utilizar.

• Construir la base de evaluación al inicio: convertir el banco de preguntas existente del cliente y los resultados de los diagnósticos en una suite de pruebas automatizada y versionada con resultados confirmados por expertos, establecer la línea base y analizar los registros históricos de soporte como un segundo conjunto de verdad absoluta (ground-truth).
• Mejorar el servicio RAG existente del cliente: recuperación híbrida con reranking, fragmentación consciente de la estructura (structure-aware chunks), notas de contexto, filtros de metadatos tempranos, monitorización de la fiabilidad, con cada cambio medido frente a la suite antes del lanzamiento.
• Construir el pipeline de extracción de metadatos y entidades bajo un esquema gobernado de tres niveles (sobre universal, especificaciones por colección versionadas, nivel de descubrimiento abierto), con un piloto estratificado, revisión humana mediante enrutamiento por confianza y paneles de cobertura.
• Construir el plano de sincronización sobre la plataforma de contenidos del cliente (notificaciones de cambios, polling de deltas, revisiones completas programadas) compartido por la recuperación, la extracción y las vistas de consumo.
• Construir el linaje de documentos y vistas temporales: cadenas de sustitución y enmienda extraídas solo cuando se indique en el texto, una vista bitemporal de términos de vigencia, estado de documento derivado y un registro de obligaciones consultable, con verificación humana para cadenas de alto riesgo.
• Contribuir al grafo de conocimiento controlado y a la orquestación de consultas: nodos y aristas tipificados que porten procedencia y confianza, enrutamiento entre búsqueda estructurada, recuperación filtrada y vistas de linaje, declaraciones explícitas de completitud y lagunas tipificadas reportadas como respuestas.
• Operar las capacidades entregadas: lanzamientos condicionados a los resultados de la evaluación, límites de frescura aplicados mediante la retención de datos obsoletos, paneles de cobertura y calidad, y comprobaciones de salud del corpus reportadas a los propietarios de los documentos.