Senior AI Research Engineer

• Nivel de inglés intermedio-avanzado o avanzado (indispensable)

• 4+ años construyendo software, con 2+ años llevando a producción sistemas basados en LLM

• Python sólido — async, streaming, salidas estructuradas, observabilidad — además de comodidad con infraestructura en la nube (AWS preferido)

• Experiencia práctica con patrones agénticos: uso de herramientas, bucles de planificación, gestión de estado, ejecución de largo alcance

• Buenos instintos de evaluación: capaz de diseñar una evaluación que realmente mida lo que importa, y sabe distinguir cuándo un resultado es señal o ruido

• Cómodo leyendo artículos y traduciendo ideas en código funcional; no necesita un doctorado para hacerlo, pero sí necesita la curiosidad

• Trayectoria comprobada de llevar sistemas de prototipo a producción — se responsabiliza de la confiabilidad, la latencia y el costo, además de la calidad Señales que Buscamos

• Igualmente alérgico(a) a "lanzar sin medir" y a "medir para siempre sin lanzar".

• Investigador(a) pragmático(a) / ingeniero(a) curioso(a) — elige el modo correcto según el problema.

• Opiniones firmes sobre los modos de fallo de los agentes a nivel de sistema, no solo a nivel del modelo.

• Se comunica con claridad ante distintas audiencias — puede explicar un resultado de evaluación complicado a un PM y una arquitectura de memoria a un investigador.

• Eleva el estándar del equipo tanto en rigor como en velocidad tiene que ser una buena traducción es aes correcta.

Responsabilidades: • Construir sistemas agénticos (agentic systems) de nivel de producción mientras te mantienes cerca de la frontera de la investigación — el puesto vive en el punto de encuentro entre "lánzalo" y "¿es este el enfoque correcto?"

• Prototipar patrones novedosos de agentes (self-evolving loops, orquestación multiagente, arquitecturas de memoria), validarlos con evaluaciones rigurosas (evals), y luego consolidarlos en servicios desplegados

• Ser responsable de la infraestructura de evaluación de principio a fin: diseñar golden datasets, construir harnesses de LLM-as-judge, ejecutar experimentos y usar los resultados para guiar decisiones técnicas

• Leer artículos recientes y decidir qué vale la pena probar — ejecutar ablaciones rápidas, descartar ideas que no funcionan, y llevar a producción las que sí

• Colaborar con ingenieros de plataforma en despliegue, latencia y costo

• Contribuir en toda la pila tecnológica: diseño de agentes, recuperación/clasificación (retrieval/ranking), ingeniería de prompts y contexto, integración de herramientas (Claude Agent SDK, MCP, Bedrock)

Deseable: • Experiencia con Claude Agent SDK, MCP, o marcos de agentes similares

• Familiaridad con la metodología de LLM-como-juez, corrección de sesgo estadístico, o plataformas de evaluación (LangFuse, Braintrust, AgentCore)

• Experiencia en recuperación/clasificación (embeddings, búsqueda híbrida, rerankers, resaltado semántico)

• Exposición a sistemas auto-mejorables, escalado de cómputo en tiempo de inferencia (test-time compute), o investigación agéntica relacionada.

• Experiencia en el dominio de GRC, tecnología legal, o software empresarial regulado

• Contribuciones de código abierto, publicaciones en blogs, o resultados de investigación aplicada

Beneficios: • Contrato a largo plazo.

• 100% Remoto.

• Vacaciones y PTOs

• Posibilidad de recibir 2 bonos al año.

• 2 revisiones salariales al año.

• Clases de inglés.

• Equipamiento Apple.

• Plataforma de cursos en linea

• Budget para compra de libros.

• Budget para compra de materiales de trabajo

• Mucho mas..