Arquitecto de IA / Líder Técnico (Juego de Mahjong)

• IA de juegos / toma de decisiones secuencial: experiencia práctica en agentes de RL, aprendizaje por imitación o basados en búsqueda (MCTS, self-play), idealmente para juegos de información imperfecta (mahjong, póker, juegos de cartas).

• Experto en Python para sistemas de ML; sólida ingeniería de software (APIs, testing, CI).

• Entrenamiento de modelos con datos de juego de extremo a extremo: datos → entrenamiento → evaluación → despliegue (serving).

• Ingeniería de aplicaciones LLM: capas de razonamiento, diseño de prompts y contexto, salidas estructuradas, guardrails.

• Inferencia de baja latencia: perfilado, batching, caché, compensaciones de tamaño de modelo frente a un presupuesto de tiempo estricto.

• Observabilidad y evaluación de LLM (Langfuse o similar).

• Despliegue en AWS para cargas de trabajo de ML.

• Liderazgo técnico de un equipo pequeño; comunicación clara, escrita y oral, con ingenieros y ejecutivos del cliente.

• Teoría de juegos para juegos de información imperfecta; evaluación de la fuerza de juego (tasas de victoria, ratings estilo Elo, agentes de referencia).

• Patrones de integración con motores de juego (flujos de eventos, máscaras de acción, puentes de estado).

• AWS Well-Architected para cargas de trabajo de ML.

Características clave (idealmente 4/4):

• Ingeniería práctica de ML/AI a escala de producción.

• Haber lanzado un sistema de IA dentro de un producto en vivo con límites de latencia estrictos.

• Experiencia con grandes proveedores de la nube (preferiblemente AWS).

• Experiencia en consultoría tecnológica o entrega de proyectos orientada al cliente.

Características específicas del rol:

• Más de 6 años de experiencia práctica en ingeniería de ML/AI, con trabajo real en IA de juegos o toma de decisiones secuencial (RL / MCTS / self-play, no solo aplicaciones de LLM).

• Entrenamiento de modelos con datos de usuario o de juego de extremo a extremo (datos → entrenamiento → evaluación → despliegue).

• Liderazgo de equipos de entrega pequeños mientras seguías programando personalmente.

• Capacidad para defender una arquitectura ante el CTO técnico de un cliente.

• Contexto de productos Web3 / gaming - es un plus, no es obligatorio.

Tech Lead práctico para un AI Companion en un juego de mahjong online. El cliente es una empresa de juegos sociales (con elementos web3) que está escalando su producto y su equipo. Nosotros entregamos la parte de IA de su juego como su socio de IA integrado.

El AI Companion juega al mahjong a un alto nivel y explica sus movimientos. El núcleo del rol es construir el algoritmo de juego de mahjong: un modelo de toma de decisiones dedicado (RL, aprendizaje por imitación o basado en búsqueda, entrenado con los datos de historial de manos del cliente) con una capa de razonamiento LLM por encima. Restricciones de diseño clave: un contrato de acciones válidas con el motor del juego (el puente suministra los movimientos legales), detección de victoria y un presupuesto de respuesta de 2 segundos por movimiento. Las explicaciones se ejecutan de forma asíncrona. El soporte para más de un conjunto de reglas (riichi y variantes regionales) está en la hoja de ruta.

• Diseñar y construir el algoritmo de juego de mahjong: elegir y defender el enfoque (aprendizaje por imitación sobre historiales de manos, RL / self-play, búsqueda con MCTS, o un híbrido), y luego entrenarlo, evaluarlo y lanzarlo.

• Responsabilizarte de la arquitectura técnica de extremo a extremo: modelo de juego + capa de razonamiento LLM, máscara de acciones válidas, detección de victoria y el contrato de la API con el puente de juego del cliente.

• Cumplir con el presupuesto de respuesta de 2 segundos: diseñar y medir la ruta de inferencia, el procesamiento por lotes (batching) y el almacenamiento en caché; mantener un margen de latencia para la cifra que ve el cliente.

• Definir qué nombres de datos y eventos necesitamos del cliente (historiales de manos, flujos de eventos); construir el pipeline de entrenamiento y calibración con esos datos.

• Construir y ejecutar el entorno de evaluación: medir la fuerza de juego frente a los puntos de referencia del cliente y validar la calidad de las explicaciones.

• Implementar la observabilidad de LLM con Langfuse (registro asíncrono, lote N+1) como una victoria rápida en los primeros sprints.

• Asumir el contexto del equipo y liderar el trabajo del sprint con el AI Engineer; trabajar con el Product Owner del cliente en un proceso scrum.

• Ser la cara ante el CTO y los ingenieros del cliente en las decisiones técnicas; explicar las compensaciones (trade-offs) de forma sencilla y en profundidad cuando se solicite.

• Vigilar los riesgos señalados por el equipo de la cuenta: licencias de nuevos datos de entrenamiento, capacidades del puente del motor y el alcance de los múltiples conjuntos de reglas.

Duración: 3 meses, 0,5 FTE.