AI Software Engineer

• Sólida experiencia en ingeniería de software en entornos de producción

• Experiencia práctica en el diseño y despliegue de soluciones de IA basadas en agentes en un entorno de producción: requisito innegociable

• Experiencia demostrada con marcos de orquestación de agentes: LangGraph, CrewAI, AutoGen o equivalente, a nivel de profundidad de producción, no de tutorial

• Experiencia directa en la invocación de API de LLM (OpenAI, Anthropic, Vertex AI) en código de producción: abstracción de proveedores, gestión de tokens, compensaciones entre latencia y costo

• Propiedad de canalizaciones RAG: incrustaciones, estrategia de fragmentación, bases de datos vectoriales e ingeniería de contexto

• Fundamentos de LLMOps: diseño de marcos de evaluación, versionado de indicaciones y observabilidad de producción

• Madurez en ingeniería nativa de la nube: Kubernetes, Docker, microservicios, serverless, CI/CD e IaC (Terraform o Helm)

• Dominio de Python; se acepta Java u otro lenguaje de backend equivalente; experiencia en depuración de producción y observabilidad

• La calidad de la experiencia pesa más que los años: se prefiere un candidato que haya lanzado tres sistemas de agentes de producción en cuatro años sobre un generalista con exposición pasiva a la IA

You build the systems that actually make AI work in enterprise environments, not demos, not prototypes that stall after a pilot, but production agentic architectures running inside real client organizations. The difference between an AI Engineer and what we are looking for is straightforward: you have shipped a multi-agent system in production, you have owned the eval harness, and you know what happens when your agent fails at 2am because you have lived it.

As an AI Engineer (Agentic/Applied), you will design, build, and deploy production-grade agentic AI systems across the full enterprise technology stack. You will work directly with client engineering teams, lead technical design sessions, and build reusable patterns and accelerators that scale beyond individual engagements.

This role sits at the heart of the AI engineering talent market - demand is growing faster than supply and will continue to do so. We offer what no single product company can: breadth across every industry, every enterprise technology stack, and every level of organizational complexity, combined with vendor fellowship access inside Anthropic, OpenAI, Microsoft, and Google engineering teams and a direct pathway to the Forward Deployed Engineerprogramme.

• Diseñar y construir sistemas de agentes de nivel de producción de principio a fin: orquestación de múltiples agentes, canalizaciones RAG, enrutamiento basado en políticas, invocación de herramientas, gestión de memoria y observabilidad del ciclo de vida

• Construir y asumir la propiedad de canalizaciones RAG: incrustaciones, estrategia de fragmentación, búsqueda vectorial, ingeniería y ajuste de la ventana de contexto frente a objetivos de calidad reales

• Integrar y abstraer múltiples proveedores de LLM (OpenAI, Anthropic, Vertex AI y modelos de código abierto) con gestión de respaldo, enrutamiento de tokens, costos y latencia

• Implementar LLMOps en producción: métricas de evaluación con indicadores de calidad reales, versionado de indicaciones, herramientas de observabilidad (LangSmith, Braintrust o equivalente) y monitoreo de costos y seguridad

• Integrarse directamente con los equipos de ingeniería del cliente para diseñar, prototipar y desplegar soluciones de agentes: talleres, pruebas de concepto, sesiones de codificación conjunta y recorridos por la arquitectura

• Crear patrones, aceleradores y manuales reutilizables que escalen más allá del compromiso individual con el cliente y permitan que el siguiente arranque más rápido

• Definir y utilizar métricas para medir la precisión, la seguridad, la latencia y la rentabilidad de los agentes; presentar hallazgos y recomendaciones a las partes interesadas del cliente en términos comerciales