Forward Deployed AI Engineer

Buscamos una profundidad real de producción en ingeniería de datos y desarrollo full-stack, no un conocimiento superficial de ambos.

• Modelado de datos y diseño de esquemas: modelado dimensional, compensaciones de normalización y diseño de esquemas EDW/warehouse que puedas defender.

• Experiencia práctica en pipelines de datos: diseño ETL/ELT en cargas por lotes (batch) e incrementales, construidos y mantenidos en producción (no solo scripts de SQL programados).

• Dimensiones de cambio lento (SCD) y gestión de cambios de datos: conocer los patrones y cuándo se aplica cada uno.

• Experiencia con dbt: transformaciones SQL modulares, tests, documentación y estrategias incrementales.

• SQL avanzado y conocimiento profundo de al menos una plataforma de datos moderna (por ejemplo, Snowflake, Databricks o un cloud warehouse/lakehouse comparable).

• Mentalidad de calidad de datos: tratar las pruebas, la validación y el linaje como elementos de primera clase, no como algo secundario.

• Python como lenguaje principal: tanto para servicios y automatización como para tareas de datos.

• FastAPI: diseño de API REST asíncronas, inyección de dependencias y testing.

• Un frontend moderno, idealmente Next.js: arquitectura de componentes, SSR, gestión de estado y una verdadera sensibilidad de UX.

• PostgreSQL: diseño de esquemas, optimización de consultas e indexación.

• Diseño de sistemas: capacidad para arquitectar desde una página en blanco: servicios, límites, compensaciones y escalabilidad.

• Ingeniería asistida por IA: utilizar una herramienta de codificación agéntica (Claude Code, Cursor o comparable) como un auténtico acelerador del flujo de trabajo diario, y saber explicar concretamente cómo.

• Responsabilidad en CI/CD y despliegue en la nube en AWS o Azure, sin necesidad de un soporte intensivo.

Diferenciador destacado - Fluidez en datos comerciales: Experiencia evaluando cómo fluyen los datos comerciales a través de CRM (idealmente Salesforce) y ERP (idealmente NetSuite) desde la oportunidad hasta el pedido y la factura, con la capacidad de diagnosticar, documentar y resolver inconsistencias.

• Profundidad en IA agéntica - LangGraph o comparable: coordinación multi-agente, uso de herramientas, memoria y gestión de estados.

• Ingeniería RAG: estrategias de recuperación, almacenes vectoriales, chunking, re-ranking y evaluación.

• Experiencia en un entorno de consultoría o de entrega a clientes, o en un rol de ingeniería "forward-deployed" o embebido.

• Amplitud en la orquestación de flujos de trabajo con múltiples herramientas (Airflow, Dagster, Prefect, Temporal, ADF, Databricks Workflows).

• Patrones de datos en streaming: Kafka, Spark Streaming o Flink.

• Bases de datos vectoriales: Pinecone, Weaviate, Qdrant o pgvector.

• Seguimiento de experimentos: MLflow, Weights & Biases o similares.

• Contribuciones a herramientas de IA o de datos de código abierto, o a aceleradores y frameworks internos.

• Exposición a arquitecturas multi-cloud o de nube híbrida.

Podrías encajar si...

• Te sientes cómodo diseñando un modelo de datos por la mañana y lanzando una funcionalidad con FastAPI + Next.js sobre él por la tarde.

• Tratas a un agente de codificación con IA como un multiplicador de fuerzas: has cambiado realmente tu forma de construir, no solo has activado el autocompletado.

• Puedes explicar una estrategia de SCD a un ingeniero y un riesgo de calidad de datos a un stakeholder de negocio en la misma conversación.

• Has lanzado productos reales en producción, no solo demos o PoCs.

• Tienes opiniones claras sobre el diseño de sistemas y de datos, y puedes respaldarlas.

• Totalmente remoto: trabaja desde cualquier lugar del mundo.

• Retiros de equipo semestrales: nos reunimos en persona al menos dos veces al año para conectar, recargar energías y realizar el trabajo que se hace mejor cara a cara.

• Trabajo de alta autonomía y gran responsabilidad en todo el arco de problemas reales de clientes, no con datasets de juguete o tickets limitados.

• Un equipo que se toma en serio las herramientas de IA y espera que las uses, no que solo las menciones.

• Acceso al stack completo de datos e IA moderno: no somos tiendas de una sola herramienta.

• Espacio para crecer hacia la arquitectura de datos, el liderazgo de plataformas o la especialización en ingeniería de IA, dependiendo de hacia dónde quieras dirigir tu carrera.

Construye productos de extremo a extremo sobre una base de datos sólida, con la IA como multiplicador de fuerzas.

La Data Practice de TechTorch se sitúa en la intersección de los datos empresariales y la IA aplicada. Diseñamos y construimos sistemas nativos de IA que no solo analizan el pasado, sino que impulsan decisiones de forma activa. Nuestro trabajo abarca la infraestructura y los pipelines de datos, la automatización inteligente y aplicaciones de IA full-stack en diversos sectores.

Trabajamos de la misma forma en que operan ahora los mejores equipos de entrega a clientes: equipos pequeños, una profunda propiedad de las tareas y sin traspasos en los límites de responsabilidad. Llevamos los problemas desde la pizarra de un cliente hasta la producción, y dejamos que la IA realice el trabajo pesado siempre que aporte valor.

Buscamos un ingeniero que construya en todo el stack y sea responsable de los datos que lo sustentan. Debes ser capaz de participar en una sesión con un cliente, dar forma a la arquitectura, diseñar la base de datos y lanzar la aplicación que se ejecuta sobre ella, sin delegar en los puntos de transición.

El trabajo abarca tanto la entrega a clientes como el desarrollo de aceleradores internos. Mapeas el problema, estructuras la solución y te haces responsable del resultado de principio a fin. Los agentes de codificación con IA son fundamentales en nuestra forma de construir: no son una novedad, sino la capa diaria que permite a un equipo pequeño cubrir mucho terreno.

• Responsabilidad total del trabajo de extremo a extremo: desde el descubrimiento y la definición de la solución hasta el diseño del sistema, la construcción y el despliegue en producción.

• Diseñar y construir la base de datos: modelos de datos, diseño de esquemas, modelado dimensional, pipelines ETL/ELT y dimensiones de cambio lento (SCD) que se mantengan en producción.

• Construir aplicaciones full-stack sobre esa base: servicios en Python/FastAPI y frontends en Next.js que hagan utilizables los flujos de trabajo de datos e IA.

• Utilizar agentes de codificación con IA (Claude Code o equivalente) como principal acelerador de construcción para pasar de la especificación a un software funcional rápidamente, sin sacrificar el criterio ni la calidad.

• Diseñar y construir capacidades de IA donde encajen: pipelines de RAG, flujos de trabajo agénticos y procesamiento con LLM-in-the-loop, y componerlos mediante servidores MCP, Skills y Plugins.

• Orquestar pipelines y automatizaciones con herramientas como Airflow, Dagster/Prefect, Celery o Temporal, eligiendo la herramienta adecuada para cada tarea.

• Implementar y gestionar CI/CD y despliegues en la nube en AWS y Azure.

• Traducir requisitos de clientes ambiguos en diseños claros y comunicar las compensaciones (trade-offs) tanto a audiencias técnicas como de negocio.

• Contribuir con aceleradores reutilizables y activos técnicos a la Data Practice.

• Comodidad en la entrega orientada al cliente: capacidad para representar técnicamente a TechTorch y traducir entre el negocio y la ingeniería.

• Mentalidad centrada en el cliente: basar las decisiones en lo que el stakeholder intenta lograr realmente, y poder moverse con fluidez entre la visión del ingeniero y la del dueño del negocio en la misma conversación.

• Instinto de responsabilidad de extremo a extremo: tomar un problema desde el descubrimiento hasta la producción y hacerse responsable del resultado, en lugar de pasarlo de mano en mano en cada etapa.

No es obligatorio para postularse, pero son los aspectos que hacen destacar a un candidato.

Data Practice | Remoto (Polonia) | Senior