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.

OBJETIVO DEL CARGO

Diseñar, construir y llevar a producción soluciones internas basadas en IA aplicada y analítica avanzada: agentes conversacionales sobre LLM, detección de anomalías, clasificación automática y dashboards de consumo interno. No es un rol de investigación ni de frontend clásico: es alguien que convierte datos y reglas de negocio en productos internos usables, y que se hace cargo del recorrido completo desde la prueba de concepto hasta el despliegue en la nube con CI/CD.

PRINCIPALES RESPONSABILIDADES

• Construir agentes sobre frameworks de orquestación (LangChain y LangGraph, o CrewAI): definición de herramientas, manejo de contexto y memoria, encadenamiento de pasos y control de errores.
• Integrar sistemas y fuentes de datos mediante MCP y tool calling, evitando integraciones ad hoc no reutilizables.
• Desarrollar pipelines de datos: carga, limpieza, transformación y validación de calidad.
• Implementar reglas de negocio, clasificaciones y scoring o detección de anomalías.
• Construir APIs en Python para exponer las soluciones a otros sistemas y al negocio.
• Armar dashboards y aplicaciones internas para consumo de usuarios del negocio.
• Asegurar que las respuestas asistidas por LLM no inventen datos: trazabilidad de la fuente, límites explícitos y auditoría.
• Endurecer las soluciones para uso real: autenticación, manejo de secretos, logging y contenedores.
• Desplegar y mantener las soluciones con CI/CD sobre GCP o AWS.
• Levantar requerimientos con usuarios internos y acotar el alcance técnico de cada caso de uso.

STACK TECNOLÓGICO / HERRAMIENTAS

• Lenguaje: Python. El rol es full Python, no se consideran perfiles cuyo lenguaje principal sea otro.
• Agentes y orquestación: LangChain y LangGraph, o CrewAI.
• Protocolo de integración: MCP (Model Context Protocol).
• LLM: APIs de proveedores (OpenAI, Azure OpenAI, Bedrock, Vertex AI, Groq u otras): prompts, tool calling, manejo de contexto y de errores.
• Backend / API: APIs REST en Python (FastAPI, Flask o Django REST).
• Datos: manipulación tabular real (pandas o equivalentes), Excel/CSV, limpieza y validación.
• Base de datos: SQL sólido más ORM o acceso estructurado (PostgreSQL o equivalente).
• Cloud y despliegue: GCP o AWS, con pipelines de CI/CD; Docker (build, compose, variables de entorno).
• UI interna: dashboards o apps internas (Streamlit, Gradio, React o similar).
• Auth: autenticación moderna (OAuth2, JWT o Azure AD).
• Calidad: Git, tests unitarios, manejo de secretos y logging.

EXPERIENCIA REQUERIDA

• 5+ años de experiencia en desarrollo de software en ambientes de producción, con Python como lenguaje principal.
• Al menos 1 a 2 años construyendo soluciones basadas en LLM efectivamente desplegadas y en uso, no solo pruebas de concepto.
• Haber construido y operado al menos un agente o solución conversacional con usuarios reales: incidentes, iteración posterior y ajustes basados en uso.
• Experiencia aplicada de punta a punta: datos IA API/UI despliegue. Se valora más que la especialización estrecha en un solo tramo.
• Experiencia desplegando en GCP o AWS con pipelines automatizados.
• Experiencia trabajando con metodologías ágiles.

COMPETENCIAS TÉCNICAS

Must Have

• Python avanzado: dominio del lenguaje y su ecosistema, no exposición ocasional desde otro stack principal.
• Construcción de agentes: diseño de herramientas, definición de flujos con LangGraph o CrewAI, control de estado y manejo de fallas del modelo.
• Toma y manejo de contexto: qué información entra al prompt, cómo se acota, cómo se compone y qué se descarta. Es el punto donde más se distingue el nivel real.
• MCP: integración de fuentes y herramientas mediante el protocolo, no solo conocimiento teórico de su existencia.
• APIs REST en Python y consumo de las soluciones desde otros sistemas.
• Datos tabulares y SQL: limpieza, validación, consultas complejas y criterio sobre calidad de datos.
• CI/CD en GCP o AWS: despliegue automatizado real, más allá del entorno local.
• Control de alucinaciones: trazabilidad de la fuente de cada respuesta y capacidad de responder "no tengo esa información" cuando el contexto no alcanza.
• Criterio técnico explicable: capacidad de fundamentar sus decisiones de diseño y sus trade-offs, y de identificar cuándo un caso de uso no requiere IA.

FORMACIÓN ACADÉMICA

Requerido Título unive