Ingeniero Senior de IA, Agentes

• Más de 6 años lanzando software de producción, de los cuales más de 2 años en sistemas LLM que han sido utilizados por usuarios reales.
• Verdadera profundidad en agentes: bucles ReAct o equivalentes, llamada a herramientas/funciones, planificadores, estado y checkpointing, memoria a largo plazo, pasos HITL, streaming. No un "llamé a la API de OpenAI".
• Experiencia práctica con LangGraph (o un argumento sólido para algo mejor) además de un stack de trazabilidad/observabilidad: LangSmith, Langfuse o similar.
• Python en producción: FastAPI, procesamiento de tareas asíncronas, límites de servicio limpios.
• RAG hecho correctamente: recuperación + re-ranking + juicio de relevancia, y una evaluación honesta de los tres.
• La evaluación como un hábito, no como algo secundario (RAGAS/DeepEval/GEVAL, LLM-as-judge, pass@k).
• Experiencia en producción en la nube: AWS (Bedrock, SQS, EC2/EKS, S3) o equivalente, con Docker y CI/CD.
• Capacidad para cuestionar. Queremos explícitamente a alguien que pregunte "¿por qué lo has construido así?".

• Post-entrenamiento de LLM: SFT con LoRA/QLoRA, métodos de preferencia/RL, diseño de recompensas y verificadores.
• Agentes de voz (LiveKit/Pipecat o similares), o trabajo en visión y lenguaje.
• Orquestación multi-agente e integraciones MCP.
• Text-to-SQL sobre un esquema de producción real y complejo.
• Agentes de generación de informes/documentos: resultados estructurados, con fuentes y listos para el cliente.
• Guardrails, gestión de PII, detección de alucinaciones, puntuación de riesgos.
• Interés por los relojes, los objetos de colección o los datos de mercado. No es obligatorio, pero sí se requiere curiosidad por el dominio.

Buscamos un Senior AI Engineer, Agents: un Arquitecto de Agentes que se encargará de diseñar, construir y escalar soluciones impulsadas por IA en todo EveryWatch. Trabajando estrechamente con nuestros equipos de ingeniería, producto, ventas y datos, identificará oportunidades donde la IA y los LLM puedan automatizar procesos complejos, mejorar la toma de decisiones y crear nuevas capacidades para nuestros usuarios y equipos internos.

Este es un rol altamente práctico (hands-on) para alguien que combine sólidas habilidades de ingeniería en Python y LLM con una mentalidad creativa y proactiva. No se te dará simplemente una hoja de ruta. Se espera que comprendas cómo funciona el negocio, identifiques dónde la IA puede marcar una diferencia significativa, propongas nuevas soluciones y las lleves desde la idea hasta la producción.

Nuestro trabajo actual en IA, incluido WatchChat, proporciona una base sobre la cual construir. La oportunidad ahora es expandir esa base hacia un ecosistema más amplio de agentes inteligentes que puedan trabajar con los datos únicos del mercado de relojes de EveryWatch y dar soporte a coleccionistas, distribuidores, equipos de ventas, operaciones de datos e ingeniería.

En resumen, buscamos a alguien que no se limite a preguntar: "¿Qué podemos construir?", sino "¿Qué deberíamos construir?"

EveryWatch es la fuente de datos más grande y fiable del mercado secundario de relojes. Fundada por un grupo de amantes de la relojería, EveryWatch nació como respuesta a la creciente popularidad de las piezas de lujo, con el objetivo de aportar una transparencia y una visión sin precedentes al mercado de los relojes. Siendo la primera plataforma de su tipo, EveryWatch combina todos los aspectos del mundo de la relojería bajo un mismo techo: un centro integral para coleccionistas, vendedores y entusiastas de los relojes.

• Inventar la hoja de ruta de los agentes. Reunirte con los equipos de ventas, datos y producto, encontrar el trabajo experto repetitivo y volver con una lista clasificada de agentes que valga la pena construir, con una visión real de la viabilidad, el coste y el impacto. Este es el núcleo del trabajo, y no se detiene tras el primer trimestre.
• Construirlos tú mismo. Eres una persona práctica. Diseñas la arquitectura y escribes el código: herramientas, bucles, subagentes, memoria, estado, evaluación. No un redactor de especificaciones con un equipo por debajo.
• Ser el responsable de la plataforma que sustenta a los agentes. Cada nuevo agente debería ser más barato de construir que el anterior: una capa de herramientas compartida sobre los datos de EveryWatch (precios, subastas, listados, referencias, carteras), una superficie MCP sobre nuestro backend existente, memoria compartida, trazabilidad y un entorno de evaluación reutilizable.
• Reforzar WatchChat junto a nosotros. Estado y memoria en múltiples turnos, latencia, coste, fiabilidad en la llamada de herramientas, controles de regresión. Está en producción y tiene que funcionar correctamente.
• Hacer que la calidad sea medible. Datasets de oro para múltiples turnos, verificadores programáticos para la corrección de herramientas/argumentos, LLM-as-judge en conjuntos de datos reservados. Si no podemos medir un agente, no lo lanzamos.
• Tratar el coste y la latencia como restricciones de diseño. Modelos económicos para el enrutamiento y la intención, modelos potentes donde realmente lo merezcan; presupuestos de contexto, caché y, cuando merezca la pena, ajuste fino (SFT/LoRA sobre trayectorias de producción seleccionadas) en lugar de prompts cada vez más grandes.

Tres cosas, y no negociaremos ninguna de ellas:

1. Creatividad. Generas ideas de agentes en las que el negocio no había pensado, y sabes distinguir entre uno que funcionará y uno que solo sirve para una demo. Partes de un caso de uso, no de un framework.
2. Arquitecto sólido. Puedes diseñar una plataforma de agentes que siga en pie dentro de cinco años: estado, memoria, límites de herramientas, descomposición de subagentes, evaluación, modos de fallo, coste. Se te pedirá que critiques nuestra arquitectura actual en la entrevista, y esperamos que encuentres fallos.
3. Altamente práctico. Tú lanzas productos. Experiencia profunda en producción, escribiendo el código tú mismo, con rapidez.

• Responsabilidad sobre toda la capa de agentes de EveryWatch y su hoja de ruta, no sobre un rincón de la de otra persona.
• Un dataset que no existe en ningún otro lugar y usuarios a los que les importa si la respuesta es correcta.
• Línea directa con el CTO; decisiones en días, no en trimestres.
• Presupuesto para modelos, herramientas y los agentes de codificación con los que quieras trabajar.
• Compensación competitiva, cultura remote-first.