Senior AI Engineer – Automation

Overview En Kashio desarrollamos tecnología financiera para que las empresas adopten pagos digitales y automaticen sus operaciones de CxC y CxP. Acompañamos a 500+ clientes en educación, finanzas, real estate, utilities y más, y estamos próximos a operar en 5 mercados. Construimos una plataforma segura, intuitiva y de alto desempeño; nuestra cultura valora la propiedad (ownership), la colaboración, el aprendizaje continuo y el impacto. El desafío Buscamos un/a Senior AI/ML Engineer para crear, integrar y escalar servicios y experiencias de producto impulsadas por IA sobre nuestros flujos de pagos y conciliaciones. Tu trabajo conectará PSPs y pasarelas, orquestará eventos y webhooks con idempotencia, y llevará a producción features de ML/GenAI (detección de anomalías, scoring de riesgo, RAG sobre datos financieros, automatizaciones de cobranza) con MLOps real. Lo que harás Responsabilidades Principales (80% del tiempo) 1. Servicios de IA en Producción (40%) Diseñar, entrenar y desplegar modelos de ML/DL/GenAI (LLMs). Versionar modelos con MLflow y monitorear deriva/latencia en producción. Exponer inferencias vía APIs y microservicios (REST/gRPC) con versionado. Optimizar costos y latencia de inferencias en producción. Implementar seguridad OAuth2/JWT, idempotencia y rate-limiting, conciliaciones, scoring. Construir arquitecturas event-driven (SQS/SNS/Kafka) con retries/backoff. Colaborar con frontend para consolas de monitoreo de IA y vistas de conciliación inteligente. Implementar explicabilidad (feature importance, SHAP/metrics) en modelos y vistas. Priorizar UX, performance y accesibilidad en integraciones de IA. 4. MLOps & Calidad (10%) Implementar trazabilidad y Data Lineage, tests de datos (contract, schema). Proyectos de Ejemplos en los que Podrías Trabajar 1. Sistema RAG para Consultas Financieras : Construir sistema de búsqueda semántica sobre transacciones usando embeddings (OpenAI/Cohere) y vector DB (OpenSearch/pgvector) para permitir consultas naturales sobre datos financieros. 2. Modelo de Scoring de Riesgo : Desarrollar modelo ML para priorizar cobranzas usando features históricas (tasa de pago, monto, antigüedad) y desplegarlo en producción con monitoreo continuo. 3. Detección de Anomalías en Tiempo Real : Implementar sistema de detección de transacciones sospechosas usando modelos de ML en producción. 4. Automatización de Conciliaciones : Usar NLP y matching fuzzy para automatizar matching de referencias entre transacciones de PSPs y registros contables. 5. Chatbot Asistido por LLM : Construir asistente interno para soporte sobre procesos de pago usando fine-tuning o RAG sobre documentación interna. • Colaborar en desarrollo frontend (React + TypeScript) para dashboards. • Trabajar con Producto, Operaciones, Compliance y PSPs. • Participar en ceremonias ágiles, escribir RFCs y realizar code reviews. • Sensibilidad PCI DSS e ISO 27001. Tecnologías Core (Must Have) Datos: SQL avanzado (PostgreSQL/MySQL) Seguridad: Firma y validación de webhooks Tecnologías Importantes (Should Have) MLflow avanzado, Feature Store (SageMaker/Feast) React + TypeScript (básico, puede aprenderse) Tecnologías Plus (Nice to Have) Frontend avanzado (React Query/Zustand/Redux, Tailwind, Jest/RTL) 5+ años de experiencia técnica total 3+ años aplicando ML/AI en producción (ML clásico y/o DL/GenAI) 2+ años desarrollando backend (Node.js/Python) Experiencia en cloud (AWS preferido, mínimo Lambda/ECS + SQS/SNS + API Gateway + S3 + CloudWatch) Python y SQL avanzados Experiencia real con LLMs/embeddings/RAG y MLOps (MLflow/SageMaker/Pipelines/Vertex Pipelines) Mentalidad de seguridad y performance: idempotencia, concurrencia, timeouts, retries, backoff, circuit breakers Destacarias si conoces y/o posees experiencia en Integraciones con PSPs de LATAM (webhooks, settlement, conciliaciones, tokenización) Experiencia aplicando IA a FinOps (detección de anomalías, scoring de riesgo) Sensibilidad regulatoria LATAM + familiaridad PCI DSS / ISO 27001 Experiencia construyendo UIs internas (dashboards/console) para monitoreo de modelos Pensamiento sistémico: entender impacto de modelos ML en flujos de negocio y experiencia de usuario Comunicación técnica: explicar modelos complejos y decisiones técnicas a stakeholders no técnicos Ownership: responsabilidad end-to-end desde diseño hasta monitoreo en producción Mentalidad de producto: balancear perfección técnica con velocidad de entrega y valor de negocio Resiliencia: manejar presión de sistemas en producción 24/7, debugging bajo presión Curiosidad y aprendizaje continuo: mantenerse actualizado en GenAI/LLMs Asertividad: obsesión con calidad, seguridad y observabilidad #J-18808-Ljbffr