Desarrollador de Inteligencia Artificial Especialista en LLMs

Company Description: Haibu Solutions

Job Description: 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 ent