Ingeniero Junior de IA/ML (GenAI, AWS)

Proactivo y con iniciativa propia; buscas la claridad en lugar de esperar a que te asignen un ticket.

Excelentes habilidades de comunicación y resolución de problemas.

Capacidad para trabajar con cierta ambigüedad, contando con el apoyo de miembros senior del equipo a medida que asumas más responsabilidades.

Inglés B2+, con comodidad para colaborar en equipos distribuidos y multiculturales.

Experiencia práctica construyendo o contribuyendo a sistemas RAG, idealmente en un entorno de producción o cercano a la producción.

Sólidos fundamentos de ingeniería; dominio de Python y/o TypeScript. Capacidad para ser productivo en una base de código desconocida con algo de apoyo inicial.

Experiencia práctica con AWS (Lambda, S3, ECS o similares); disposición para especializarse en Bedrock y Bedrock AgentCore.

Algo de experiencia con contenedores y CI/CD en proyectos reales.

Experiencia evaluando sistemas no deterministas: haber contribuido o ejecutado ciclos de test/evaluación, aunque no hayas gestionado una suite de evaluación completa de principio a fin.

Conocimientos básicos de trabajo sobre conceptos de monitorización de modelos/agentes.

Conciencia de las compensaciones (trade-offs) entre coste y latencia al trabajar con LLMs.

Tener algo de experiencia práctica con el ecosistema Claude (Claude Code, CLAUDE.md, hooks, archivos de skills) es un plus, o tener una gran capacidad para aprender rápidamente.

Experiencia práctica con APIs de LLM (Anthropic, AWS Bedrock o OpenAI) en proyectos reales.

Más de 2 años de experiencia en ingeniería de software o ML, incluyendo algo de experiencia en sistemas de producción.

Sólidos fundamentos de IA/ML: comprendes lo suficiente el funcionamiento de los modelos como para razonar sobre los modos de fallo comunes.

Experiencia en uno de estos sectores: servicios financieros, seguros, salud.

Consultoría, servicios profesionales u otra entrega directa con el cliente.

Certificaciones AWS y Claude Code (o estar trabajando activamente para obtenerlas).

A2A: Interés en conceptos de interoperabilidad agente-a-agente.

Experiencia en pipelines de CI/CD (GitHub Actions, GitLab CI).

Experiencia práctica con uno o más casos de uso de los siguientes: NLP, LLMs y motores de recomendación.

Experiencia en un lenguaje adicional (Go, TypeScript o Rust).

Experiencia con Apache Spark, Apache Airflow, Kafkа.

Experiencia con el ecosistema Claude: Claude Code, CLAUDE.md, hooks, archivos de skills. Desarrollo basado en especificaciones (spec-driven development): escribir la intención, las restricciones y los criterios de aceptación antes de permitir que un agente construya.

MCP: ser capaz de explicar por qué un agente lo preferiría a una integración REST; haber desarrollado un servidor es un punto adicional.

Provectus es un AWS Premier Partner y un Anthropic Strategic Partner, trabajando en la frontera de la IA aplicada. Ayudamos a las empresas a convertir Claude, los sistemas agénticos y sus propios datos en resultados de negocio medibles, a través de aplicaciones a medida, servicios gestionados y consultoría. Con oficinas en Norteamérica, LATAM y EMEA, colaboramos con clientes de todo el mundo.

Nuestro trabajo se centra en dos verticales: Servicios Financieros y Seguros y Salud y Ciencias de la Vida, donde desplegamos cinco Blueprints de IA preconstruidos: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow y Evidence Lens. Cada Blueprint reconstruye un proceso de negocio crítico de principio a fin, basado en código funcional y ajustado a la cartera específica, los reguladores y la postura operativa del cliente.

Nuestro equipo cuenta con más de 100 certificaciones AWS, tiene la certificación Claude Code y colabora en la ejecución del programa Agentic SDLC de Anthropic, así como en proyectos de Cowork Activation y AI Blueprint.

Ubicación de este rol

Trabajarás en un pod senior junto a un FDE, un FDX y Senior AI Engineers, contribuyendo en tareas de entrega real mientras te preparas para asumir la responsabilidad de forma independiente.

Construir y contribuir a componentes de sistemas RAG bajo la guía de un senior, con una autonomía creciente.

Escribir tests y ayudar a desarrollar entornos de evaluación (evaluation harnesses) para las funcionalidades en las que trabajes.

Escribir código de producción en todo el stack (IA, servicios backend, pipelines de datos) con apoyo en la revisión de código.

Ayudar a integrar componentes de IA en servicios backend y APIs RESTful.

Apoyar el despliegue de sistemas en AWS (contenedorizados, CI/CD), asumiendo de forma más independiente estas tareas con el tiempo.

Contribuir a la documentación, runbooks y materiales de entrega al cliente.

Participar en discusiones técnicas y decisiones arquitectónicas, con el objetivo de asumir más responsabilidad de forma independiente.

Apoyar los esfuerzos de evaluación de modelos y ayudar a investigar y mejorar los modos de fallo.

Asumir una responsabilidad creciente sobre los componentes y las decisiones técnicas a medida que crezcas en el rol.