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.