Desarrollador de Inteligencia Artificial Especialista en LLMs

Se necesita un Desarrollador de Inteligencia Artificial (AI Developer), para importante cliente del rubro de Telecomunicaciones, para unirse a nuestro equipo dinámico y en crecimiento. Este profesional trabajará estrechamente con equipos multidisciplinarios para entregar soluciones de alta calidad que cumplan con los requisitos del cliente.

PROPÓSITO DEL ROL

Diseñar, desarrollar e implementar soluciones basadas en Inteligencia Artificial Generativa y Modelos de Lenguaje (LLMs) que aporten valor al negocio. El rol combina habilidades de ingeniería de software con conocimiento profundo del ecosistema de IA moderna, incluyendo arquitecturas RAG, integración con plataformas MaaS (Model as a Service), orquestación de agentes y protocolos emergentes como MCP (Model Context Protocol).

EXPERIENCIA REQUERIDA

Experiencia General Mínimo 3 años de experiencia en desarrollo de software (backend, full-stack o ingeniería de datos). Experiencia demostrable construyendo y desplegando aplicaciones en producción. Dominio de Python como lenguaje principal; conocimiento deseable de TypeScript/Node.js. Experiencia en Inteligencia Artificial Mínimo 2 años de experiencia práctica trabajando con modelos de IA/ML, de los cuales al menos 1 año enfocado en LLMs y/o IA Generativa. Haber integrado y consumido APIs de proveedores MaaS: Amazon Bedrock, Google Vertex AI, Azure OpenAI, Anthropic API u otros equivalentes. Experiencia implementando arquitecturas RAG (Retrieval-Augmented Generation) en entornos reales. Conocimiento de técnicas de prompt engineering, fine-tuning y evaluación de modelos.

RESPONSABILIDADES PRINCIPALES

Desarrollo de Soluciones con LLMs Diseñar e implementar pipelines de procesamiento de lenguaje natural utilizando LLMs (GPT, Claude, Gemini, Llama, Mistral, entre otros). Construir y mantener sistemas RAG end-to-end: ingesta de documentos, chunking, embeddings, almacenamiento vectorial y generación de respuestas. Desarrollar y optimizar prompts, chains y flujos de agentes utilizando frameworks como LangChain, LlamaIndex, CrewAI, Semantic Kernel o equivalentes. Integración con Plataformas MaaS Integrar y orquestar modelos a través de Amazon Bedrock, Google Vertex AI, Azure OpenAI y/o APIs directas de proveedores. Evaluar y seleccionar modelos según costo, latencia, calidad de respuesta y requisitos de compliance/privacidad. Implementar estrategias de fallback, caching de respuestas y optimización de costos en el consumo de APIs. Arquitectura e Infraestructura de IA Diseñar arquitecturas escalables para aplicaciones de IA, incluyendo bases de datos vectoriales (Pinecone, Weaviate, pgvector, Qdrant, ChromaDB). Implementar patrones de observabilidad y monitoreo de modelos en producción (LangSmith, Langfuse, Weights & Biases, Helicone). Colaborar con equipos de infraestructura y DevOps para desplegar soluciones de IA en la nube (AWS, GCP, Azure). Innovación y Mejora Continua Mantenerse actualizado con el ecosistema de IA: nuevos modelos, frameworks, protocolos (MCP, A2A) y mejores prácticas. Realizar pruebas de concepto (PoC) y evaluaciones comparativas de nuevas tecnologías de IA. Documentar soluciones, generar guías internas y contribuir a la base de conocimiento del equipo.

COMPETENCIAS TÉCNICAS

Obligatorias (Must Have) LLMs: Experiencia con modelos de OpenAI (GPT-4o, o1/o3), Anthropic (Claude), Google (Gemini), Meta (Llama) o Mistral. RAG: Dominio de arquitecturas de Retrieval-Augmented Generation, incluyendo embeddings, vector stores, re-ranking y estrategias de chunking. APIs MaaS: Integración con al menos dos de: Amazon Bedrock, Google Vertex AI, Azure OpenAI, Anthropic API, Cohere. Frameworks: Manejo de LangChain, LlamaIndex u otros frameworks de orquestación de LLMs. Python: Nivel avanzado. Manejo de FastAPI, async/await, manejo de dependencias con Poetry/uv. Prompt Engineering: Técnicas avanzadas (few-shot, CoT, ReAct, structured output, tool use / function calling). Bases de Datos Vectoriales: Experiencia con al menos una: Pinecone, Weaviate, pgvector, Qdrant, ChromaDB, Milvus. Cloud: Experiencia con al menos un proveedor cloud (AWS, GCP o Azure) y sus servicios de IA. Versionamiento y CI/CD: Git, GitHub/GitLab, pipelines de integración y despliegue continuo. Deseables (Nice to Have) MCP (Model Context Protocol): Conocimiento del protocolo y experiencia construyendo o consumiendo MCP Servers para conectar LLMs con herramientas externas. Agentes de IA: Experiencia con agentes autónomos, multi-agente, planificación y ejecución de tareas (CrewAI, AutoGen, OpenAI Agents SDK, Claude Code). Fine-tuning: Experiencia con fine-tuning de modelos (LoRA, QLoRA, RLHF) y entrenamiento de modelos pequeños. MLOps: Familiaridad con MLflow, Kubeflow, SageMaker Pipelines o herramientas similares de ciclo de vida de modelos. Modelos multimodales: Experiencia con visión por computadora, audio o generación de imágenes integradas con LLMs. Contenedores y orquestación: Docker, Kubernetes, despliegue de modelos con GPU. AI Safety & Guardrails: Conocimiento de técnicas para mitigar alucinaciones, content filtering, PII detection y responsible AI. Protocolo A2A: Conocimiento del protocolo Agent-to-Agent de Google para comunicación entre agentes.

FORMACIÓN ACADÉMICA

Requerido Título universitario en Ingeniería en Computación, Informática, Ciencias de la Computación, Ingeniería de Sistemas o carrera afín. Se consideran perfiles sin título con experiencia equivalente demostrable y portafolio sólido. Deseable Postgrado, diplomado o certificaciones en Machine Learning, Deep Learning, NLP o IA Aplicada. Certificaciones cloud (AWS ML Specialty, Google Professional ML Engineer, Azure AI Engineer).

COMPETENCIAS BLANDAS

Pensamiento analítico y resolución de problemas complejos. Comunicación efectiva con equipos técnicos y stakeholders de negocio; capacidad de traducir conceptos de IA a lenguaje de negocio. Proactividad y autonomía: capacidad de investigar, proponer y ejecutar soluciones sin supervisión constante. Adaptabilidad ante un ecosistema tecnológico que cambia rápidamente. Colaboración en equipos multidisciplinarios y metodologías ágiles (Scrum, Kanban). Mentalidad de mejora continua y pasión por aprender nuevas tecnologías. INDICADORES DE DESEMPEÑO SUGERIDOS (KPIs) Calidad de outputs de IA: Tasa de aceptación de respuestas generadas, reducción de alucinaciones, métricas de evaluación (RAGAS, human eval). Disponibilidad de sistemas: Uptime de los servicios de IA desplegados (objetivo: mayor a 99.5%). Optimización de costos: Reducción del costo por consulta a APIs de LLMs mediante caching, model routing y optimización de tokens. Velocidad de entrega: Tiempo de implementación de PoCs y features de IA, cumplimiento de sprints. Contribución técnica: Documentación generada, PRs revisados, knowledge sharing sessions realizadas. Régimen Laboral: De lunes a viernes en horario de oficina, modo hibrido 2x3 en cliente, con disponibilidad para ir a las oficina en Santiago. Para postular correctamente al proceso de reclutamiento se necesita:

• Indicar disponibilidad de trabajo en días.
• Indicar si se encuentra trabajando.