Funciones y responsabilidades El puesto se centra en construir y mejorar agentes que ya fueron diseñados por el equipo senior. Desarrollar agentes de IA en Python usando las APIs de modelos de lenguaje (Claude, OpenAI, Gemini u otros). Conectar los agentes con herramientas y sistemas de la empresa: APIs internas, bases de datos, documentos y aplicaciones. Implementar búsqueda sobre documentos de la empresa para que el agente responda con información propia (técnica RAG). Redactar y ajustar las instrucciones (prompts) que guían el comportamiento de los agentes. Probar los agentes con casos reales y medir su calidad: respuestas correctas, errores, tiempos y costos. Corregir fallas y mejorar el desempeño de los agentes en producción. Documentar el código, las configuraciones y los resultados de las pruebas. Participar en revisiones de código y reuniones del equipo de desarrollo. Mantenerse actualizado en herramientas y prácticas de IA agéntica, un campo que cambia cada pocos meses. Requisitos técnicos obligatorios El candidato debe demostrar conocimiento práctico en estos puntos, idealmente con proyectos que pueda mostrar. Python: Escribir código limpio, manejar librerías, entornos virtuales y llamadas a APIs APIs de modelos de lenguaje (LLMs): Usar las APIs de Claude, OpenAI o Gemini; manejar prompts, function calling / tool use y salidas en JSON Conceptos de agentes de IA: Entender el ciclo razonar usar herramienta observar resultado, la memoria y el manejo de contexto Frameworks de agentes (al menos uno): LangGraph, LangChain, CrewAI, OpenAI Agents SDK, Claude Agent SDK o similares RAG (búsqueda sobre documentos): Embeddings, bases de datos vectoriales (pgvector, Pinecone, Chroma) y división de documentos en fragmentos Git: Ramas, commits, pull requests y trabajo en equipo con GitHub o GitLab APIs REST: Crear y consumir servicios web, idealmente con FastAPI o Flask SQL y bases de datos: Consultas básicas en PostgreSQL, MySQL o similar Inglés técnico: Leer documentación técnica en inglés Requisitos deseables No son excluyentes, pero suman puntos en la evaluación. MCP (Model Context Protocol): estándar actual para conectar agentes con herramientas y fuentes de datos. Sistemas multi-agente: varios agentes que se coordinan o se reparten una tarea. Evaluación y observabilidad de agentes: herramientas como LangSmith, Langfuse o similares para medir y monitorear calidad. Docker: empaquetar aplicaciones en contenedores. Nube: experiencia básica en AWS, Azure o Google Cloud, incluidos sus servicios de IA (Bedrock, Azure OpenAI, Vertex AI). TypeScript / Node.js: segundo lenguaje usado en el ecosistema de agentes. Seguridad en IA: nociones de prompt injection, control de permisos de herramientas y protección de datos sensibles. Costos y rendimiento: optimizar el consumo de tokens, la latencia y el costo por consulta. Certificaciones: en nube o IA (por ejemplo AWS, Azure AI, Google Cloud), o cursos reconocidos en LLMs y agentes. Formación y experiencia En este campo los proyectos demostrables pesan más que los años, porque la IA agéntica tiene muy poco tiempo en el mercado. Formación académica Egresado o bachiller en Ingeniería de Sistemas, Ingeniería de Software, Ciencias de la Computación, Ingeniería Informática o carreras afines. También se aceptan perfiles de bootcamps o formación autodidacta si presentan proyectos sólidos. Experiencia 0 a 2 años de experiencia como desarrollador (backend, datos o similar). Prácticas profesionales cuentan. Al menos 1 o 2 proyectos con LLMs o agentes de IA que pueda mostrar: repositorio en GitHub, portafolio, proyecto de tesis o trabajo previo. Valorable: haber puesto en uso real alguna aplicación con IA, aunque sea un proyecto pequeño o interno. Competencias blandas Aprendizaje rápido y autónomo: las herramientas de IA cambian cada pocos meses. Pensamiento analítico: descomponer un proceso del negocio en pasos que un agente pueda ejecutar. Comunicación clara: explicar a usuarios no técnicos qué hace el agente y cuáles son sus límites. Trabajo en equipo y apertura a la retroalimentación: trabajará bajo supervisión y con revisiones de código. Criterio y responsabilidad: detectar cuándo un agente se equivoca o inventa información, y reportarlo. Curiosidad por experimentar: probar enfoques distintos y documentar qué funcionó y qué no.-Requerimientos- Educación mínima: Técnico
2 años de experiencia
Conocimientos: Python
Palabras clave: developer, programador