Gestor de Incidentes Staff

• Experiencia demostrada gestionando la respuesta a incidentes mayores en un entorno de producción del que dependen clientes reales, idealmente como incident commander o en una función dedicada a la gestión de incidentes.

• Sólidos conocimientos prácticos de sistemas distribuidos modernos y operaciones nativas de la nube; capacidad para desenvolverse con soltura en una llamada de emergencia con ingenieros senior durante una interrupción, siguiendo el hilo técnico y manteniendo el avance de la respuesta sin necesidad de que se le expliquen todos los detalles minuciosamente.

• Experiencia definiendo o madurando una práctica de gestión de incidentes desde cero: marcos de severidad, modelos operativos, runbooks y programas de guardias construidos para perdurar, no solo heredados.

• Fluidez con herramientas de observabilidad y de gestión de incidentes: métricas, registro (logging), trazado (tracing), alertas y plataformas de notificación (paging). Se valora muy positivamente la experiencia práctica con Datadog; se espera familiaridad con una plataforma de notificaciones (PagerDuty, OpsGenie o similar) y una herramienta de página de estado.

• Trayectoria dirigiendo postmortems que cambian comportamientos y cerrando el ciclo entre los incidentes y el trabajo de ingeniería.

• Excelente comunicación escrita y verbal: capacidad para redactar una actualización de estado clara para los comercios y una escalada interna precisa bajo presión.

• Criterio tranquilo y decisivo durante eventos de alta presión: mantener la estructura cuando otros están reaccionando.

• Comodidad con el hecho de estar de guardia como parte regular del rol, incluyendo incidentes críticos fuera del horario laboral.

• Inglés: se requiere un nivel avanzado.

• Familiaridad con PCI-DSS y las obligaciones operativas que conlleva el manejo de flujos de pago a escala.

• Español: se prefiere un nivel profesional; la organización de ingeniería de Yuno abarca LatAm, y las llamadas de guardia y las discusiones de postmortem suelen realizarse en español.

• Experiencia previa en pagos, fintech u otro dominio regulado de alta disponibilidad.

• Exposición a prácticas de SRE, presupuestos de error (error budgets) y priorización basada en SLO.

• Experiencia gestionando incidentes en organizaciones de ingeniería remotas y con múltiples zonas horarias.

• Compensación competitiva.
• Trabajo Remoto - ¡Puedes trabajar desde cualquier lugar!
• Bonus de Home Office - Una ayuda única para ayudarte a crear tu oficina en casa ideal.
• Equipo de trabajo.
• Stock Options.
• Plan de Salud dondequiera que estés.
• Días libres flexibles.
• Cursos de idiomas, profesionales y de crecimiento personal.

Estamos contratando a un Staff Incident Manager para liderar el ciclo de vida de los incidentes mayores de principio a fin. Serás la persona que tome el control cuando algo falle en producción, reúna a las personas adecuadas, impulse la respuesta hasta la resolución y se asegure de que seamos mensurablemente mejores después de cada incidente de lo que éramos antes.

Este no es un rol de coordinación pasiva. Tú establecerás el estándar de cómo Yuno detecta, responde, comunica y aprende de los incidentes. Pasarás tanto tiempo arreglando el proceso como gestionando la respuesta.

La responsabilidad de estar de guardia (on-call) es fundamental en este puesto. Los equipos de ingeniería de Yuno utilizan un modelo "You Build It, You Run It" (si lo construyes, lo gestionas): los pods son responsables de su propia guardia. La función de Incident Commander existe para coordinar eventos trans-dominio y de Severidad 1 (Sev-1) en los que participan múltiples pods.

• Mando de incidentes - actuar como incident commander en incidentes mayores y críticos, liderando la coordinación, la cadencia en la toma de decisiones y la escalada desde la detección hasta la resolución; tratar el impacto en las transacciones de los comercios, los fallos de dependencia de PSP y adquirentes, los efectos colaterales en la liquidación y conciliación, y el alcance de PCI-DSS como prioridades de primer nivel en cada respuesta.

• Métricas de fiabilidad - reducir el tiempo de detección, el tiempo de intervención y el tiempo de recuperación; liderar el MTTR como métrica principal y la disciplina operativa detrás del objetivo de disponibilidad del 99,99% de Yuno.

• Programa de guardias - gestionar las rotaciones, las políticas de escalada, la higiene de las notificaciones (paging hygiene) y la calidad de las alertas; reducir el ruido para que los ingenieros de guardia confíen en sus avisos.

• Comunicación de incidentes - liderar la alineación de los stakeholders internos durante un evento e impulsar actualizaciones claras y precisas para los comercios —incluida la página de estado— en coordinación con los equipos de Soporte y de cuentas.

• Postmortems - dirigir postmortems sin culpabilidad (blameless), mantener el estándar de no buscar culpables en la reunión y asegurar que las acciones a seguir sean concretas, tengan un responsable y se rastreen hasta su cierre.

• Hoja de ruta de fiabilidad - traducir los patrones de incidentes recurrentes en trabajo de fiabilidad, colaborando con los equipos de ingeniería para convertir los hallazgos de los postmortems en elementos de la hoja de ruta, no en tickets huérfanos.

• Modelo operativo - definir y mantener los niveles de severidad de los incidentes, los manuales de respuesta (runbooks) y el modelo operativo para declarar y gestionar incidentes.

• Informes - informar a la dirección de ingeniería sobre las tendencias de incidentes, la postura de fiabilidad y el rendimiento de los SLA y SLO.

EE. UU. · Europa · APAC · Remoto · Jornada completa · Individual Contributor · +7 años de experiencia

• Primeros 90 días - has mapeado cómo se declaran, ejecutan y revisan los incidentes actualmente, has identificado las mayores carencias y has empezado a cerrarlas. Las definiciones de severidad y el modelo operativo de incidentes son claros y se han adoptado.

• Seis meses - los incidentes mayores se gestionan con un estándar constante. Los elementos de acción de los postmortems se rastrean y se cierran. El ruido de las guardias ha disminuido y la confianza en las notificaciones ha aumentado. La dirección tiene una visión fiable de las tendencias de fiabilidad.

• Un año - la práctica de gestión de incidentes es autosuficiente. Los runbooks son propiedad de los pods de ingeniería, no solo tuyos. El MTTR y las tasas de incidentes recurrentes muestran una tendencia a la baja mensurable, y el trabajo de fiabilidad derivado de los datos de incidentes se integra en las hojas de ruta de ingeniería y se implementa.