Ingeniero de IA Sénior

Estamos buscando un AI Engineer para hacer la transición de nuestras capacidades de IA de "prototipo" a "producción". En este puesto, no solo experimentarás con modelos; diseñarás arquitecturas de Agentic Systems robustos que puedan planificar, razonar y ejecutar flujos de trabajo complejos de forma autónoma para una amplia variedad de necesidades de usuarios de negocio, mientras experimentas con modelos y herramientas de vanguardia para ampliar los límites de lo posible.

El candidato ideal es un ingeniero con visión de futuro que disfruta de la experimentación práctica con modelos y frameworks de IA, aprende rápido y posee una curiosidad natural. Colaborarás estrechamente con product managers, socios de negocio y equipos de plataforma para entregar agentes de IA de alto valor que resuelvan problemas del mundo real en toda la empresa.

• Diseño de flujos de trabajo: Arquitectar flujos de trabajo complejos de múltiples agentes utilizando el stack tecnológico de Microsoft AI. Diseñar, desarrollar y desplegar agentes para gestionar bucles, interrupciones e intervenciones de tipo "human-in-the-loop".
• Uso de herramientas y Function Calling: Construir "capas de herramientas" fiables que permitan a los LLM interactuar de forma segura con APIs internas, bases de datos y plataformas SaaS de terceros (por ejemplo, SalesForce, Workday, ServiceNow, etc.).
• Gestión de estados: Diseñar capas de persistencia para gestionar la memoria de los agentes, el historial de conversación y las ventanas de contexto de manera eficiente.
• Pipelines de recuperación: Construir sistemas de integración y recuperación de datos de grado de producción. Optimizar la indexación vectorial, la fragmentación de documentos (chunking) y los algoritmos de re-ranking para garantizar una recuperación de contexto de alta precisión.
• Calidad de datos: Colaborar con Data Engineers para curar "Golden Datasets" para el consumo de los agentes.
• Evaluación automatizada: Construir pipelines de CI/CD para IA que incluyan pruebas de "LLM-as-a-Judge". Aprovechar frameworks para puntuar los resultados de los agentes en cuanto a precisión, alucinación y seguridad antes del despliegue.
• Observabilidad: Instrumentar aplicaciones con herramientas de trazado para visualizar las cadenas de razonamiento de los agentes, monitorizar la latencia y depurar fallos en producción.
• Optimización de costes: Monitorizar el uso de tokens y la latencia, optimizando la densidad de los prompts y las estrategias de caché para mantener un alto rendimiento con costes sostenibles.
• Del prototipo a la producción: Validar rápidamente nuevas ideas utilizando modelos de última generación, para luego refactorizar los prototipos exitosos en código de producción mantenible y testado.
• Adopción de estándares: Mantenerse a la vanguardia evaluando tecnologías emergentes para estandarizar la conectividad de los agentes.