Applied AI Engineer - LLMs & Agentic Systems | Remote Mexico/LATAM

Sobre la oportunidad

Buscamos un/a Applied AI Engineer para integrarse al equipo tecnológico de una fintech que desarrolla soluciones para transferencias internacionales y remesas, con operación principalmente entre Estados Unidos, México y Centroamérica.

La posición está enfocada en diseñar, desarrollar y llevar a producción soluciones de inteligencia artificial basadas en Large Language Models (LLMs), sistemas agénticos y recuperación de información (RAG).

Buscamos a alguien que haya trabajado directamente en la construcción de estas soluciones, que pueda tomar decisiones técnicas fundamentadas y que entienda cómo garantizar su calidad, confiabilidad y funcionamiento en entornos reales.

No es una posición centrada exclusivamente en Machine Learning tradicional ni en experimentación con modelos. El enfoque principal es la ingeniería de soluciones de IA aplicadas a problemas de negocio.

Responsabilidades

• Diseñar, desarrollar y mantener aplicaciones basadas en LLMs utilizadas en procesos reales de negocio.
• Construir sistemas agénticos capaces de interactuar con herramientas, APIs y servicios externos, incorporando controles sobre sus acciones.
• Evaluar cuándo conviene utilizar agentes, workflows determinísticos o una combinación de ambos.
• Diseñar e implementar soluciones RAG, incluyendo estrategias de chunking, embeddings, retrieval, reranking y gestión del contexto.
• Implementar mecanismos de evaluación para medir la calidad de las respuestas, la recuperación de información y el comportamiento de los agentes.
• Identificar y resolver problemas relacionados con alucinaciones, errores de ejecución, latencia, costos y confiabilidad.
• Definir mecanismos de validación, manejo de errores y monitoreo para soluciones desplegadas en producción.
• Colaborar con equipos de producto e ingeniería para comprender requerimientos de negocio, evaluar alternativas y convertirlos en soluciones técnicas viables.
• Participar directamente en decisiones de arquitectura, implementación y mejora continua de las soluciones desarrolladas.

Requirements

Requisitos indispensables

Experiencia en LLMs y sistemas agénticos

• Experiencia práctica construyendo y operando aplicaciones basadas en LLMs en producción, más allá de prototipos o pruebas de concepto.
• Participación directa en decisiones de arquitectura e implementación de soluciones con agentes.
• Experiencia implementando tool calling e integraciones con APIs o servicios externos.
• Conocimiento práctico del manejo de contexto, estado y memoria en aplicaciones con LLMs.
• Capacidad para justificar cuándo utilizar un agente y cuándo resolver un problema mediante lógica determinística.

RAG y recuperación de información

• Experiencia implementando pipelines RAG para aplicaciones reales.
• Conocimiento de estrategias de chunking, embeddings, búsqueda semántica y recuperación de documentos.
• Experiencia evaluando y mejorando la relevancia de la información recuperada.
• Capacidad para identificar problemas de retrieval y reducir respuestas incorrectas o sin sustento.

Evaluación y operación

• Experiencia implementando evaluaciones de calidad para aplicaciones con LLMs, incluyendo pruebas sobre respuestas y comportamiento de agentes.
• Conocimiento práctico de mecanismos para detectar y mitigar alucinaciones, errores y respuestas inconsistentes.
• Experiencia identificando problemas de latencia, consumo de tokens y costos de inferencia.
• Capacidad para diagnosticar fallas y mejorar la confiabilidad de soluciones en producción.

Ingeniería de software

• Experiencia sólida desarrollando soluciones con Python.
• Experiencia integrando APIs, servicios backend y modelos de lenguaje.
• Buenas prácticas de desarrollo, pruebas, manejo de errores y mantenimiento de aplicaciones.
• Autonomía para investigar problemas, proponer alternativas y ejecutar soluciones de principio a fin.

Conocimientos deseables

• Experiencia con frameworks de orquestación de agentes como LangGraph, Pydantic AI o similares.
• Experiencia implementando integraciones mediante Model Context Protocol (MCP).
• Conocimiento de bases de datos vectoriales y herramientas de búsqueda semántica.
• Experiencia con herramientas de observabilidad y evaluación de aplicaciones LLM.
• Conocimientos de Machine Learning y Data Science.
• Experiencia en fintech, servicios financieros, pagos, fraude o procesos regulados.
• Familiaridad con controles de seguridad y protección de información sensible en aplicaciones de IA.

Lo que buscamos en la persona

• Ownership técnico: capacidad para explicar qué construyó, qué decisiones tomó y qué resultados obtuvo.
• Criterio de arquitectura: elegir soluciones por su utilidad y restricciones, no por la popularidad de una tecnología.
• Orientación a producción: considerar calidad, errores, monitoreo, costos y mantenimiento desde el diseño.
• Pensamiento crítico: cuestionar y aclarar requerimientos antes de proponer una solución.
• Comunicación: explicar decisiones técnicas y sus implicaciones a perfiles técnicos y de negocio.
• Autonomía: resolver problemas con iniciativa y asumir responsabilidad sobre los resultados.

¿Qué tipo de experiencia nos interesa especialmente?

Nos interesa conocer proyectos donde hayas participado directamente en el desarrollo de una solución con LLMs o agentes que haya sido utilizada por usuarios reales.

Durante el proceso profundizaremos en el problema de negocio, la arquitectura implementada, las decisiones que tomaste personalmente, los mecanismos de evaluación y los retos que surgieron durante su operación.

Valoramos más la profundidad y responsabilidad demostrable en proyectos reales que la cantidad de herramientas o frameworks mencionados en el CV.

Benefits

Integración a marcas globales y startups disruptivas.

Trabajo remoto/Home office.

Horario ajustado a la célula de trabajo/proyecto asignado.

Trabajo de lunes a viernes.

Día off en tu cumpleaños.

Seguro de gastos médicos mayores (aplica para México).

Seguro de vida (aplica para México).

Acceso a cursos y certificaciones.

Clases de inglés.

Oportunidades dentro de nuestras diferentes líneas de negocio.