AI Engineer - People Analytics

Principales responsabilidades:

• Arquitectura de datos de HR & Integraciones:
  • Diseñar, escalar y mantener la capa fundacional de datos estructurando la información proveniente de HiBob y Lever.
  • Crear y explotar nuevos servicios de datos end-to-end para monitorear el Employee Life Cycle: estructura de costos por área, métricas de adquisición de talento, rotación, eNPS, performance y seguimiento de talento crítico.

• Desarrollo de Modelos Predictivos:
  • Implementar modelos de Machine Learning aplicados a People Analytics, como predicción de riesgo de attrition (fuga de talento), forecast de time-to-fill en reclutamiento y proyecciones/planeación de dotación (headcount).
• Automatización e IA Generativa (Agentes & RAGs):
  • Diseñar e implementar agentes de IA self-service para la resolución de consultas sobre políticas internas, beneficios y vacaciones (asegurando métricas de evaluación/evals).
  • Aplicar técnicas de NLP (como topic modeling y sentiment analysis) mediante agentes para procesar y extraer valor no estructurado de comentarios en encuestas, exit interviews y feedbacks de desempeño.
• Gobierno, Calidad y Mantenimiento Técnico:
  • Implementar y mantener pipelines de datos y soluciones de LLMs/agentes integrados a la plataforma técnica interna (Atlas) a través de workflows eficientes.
  • Garantizar buenas prácticas de ingeniería de datos y ML/AI: documentación técnica, revisión de código, versionamiento de prompts, monitoreo de latencia, control de costos de API y gestión de contexto.

¿Qué necesitas para brillar?

• Título universitario en Ingeniería Informática, Industrial o carrera afín.
• Experiencia de al menos 3 años llevando People Analytics
• Dominio sólido de Python para desarrollo de aplicaciones, manejo de APIs y estructuras de datos.
• Experiencia práctica en sistemas RAG y construcción de pipelines
• Conocimiento de GCP, Vertex AI, Cloud Run y BigQuery.
• Experiencia práctica en SQL de nivel intermedio-avanzado y herramientas de manejo/transformación de datos como Composer.
• Experiencia con Model Context Protocol (MCP) o frameworks de agentes multi-herramienta.
• Experiencia en arquitecturas de evaluación de LLMs: métricas de calidad, hallucination detection y benchmarks de prompts.
• Conocimiento de prácticas de MLOps/LLM Ops (versionamiento con Git, CI/CD, contenedores Docker y observabilidad).
• Conocimientos de prácticas en orquestación de agentes LangChain, LangGraph y LlamaIndex. Manejo de vector db.
• Experiencia en entornos fintech e industria financiera es un plus.