Sobre nosotros

Hay empresas que están cambiando el mundo, y detrás de ellas, hay equipos que necesitan ir más lejos, pensar distinto, moverse más veloz.

Ahí entramos nosotros.

En Acid Labs nos sumamos a los equipos tech de las empresas que están liderando el futuro digital en las industrias más desafiantes en Latinoamérica, con talento especializado que entiende la complejidad, respira colaboración y encuentra claridad donde otros ven ruido.

Y lo hacemos #RadicalmenteMejor

No trabajamos para nuestros clientes.

- Trabajamos con ellos.
- Desde adentro.
- Como parte de su ritmo.
- Como una extensión natural de su capacidad tecnológica.

? Sobre el rol

Buscamos un Tech Lead de IA con profundo dominio en el diseño, implementación y operación de sistemas agénticos escalables en producción. Es el referente técnico que formula y defiende propuestas de arquitectura con criterio sólido, evalúa frameworks y servicios de IA con visión de costos, latencia y mantenibilidad, y asegura que los sistemas agénticos del equipo sean robustos, trazables y listos para escalar.

Su flujo de trabajo es claro: investiga → evalúa → propone con criterio → defiende la propuesta ante arquitectura y seguridad → implementa lo aprobado. Buscamos a alguien proactivo que identifique oportunidades de mejora antes de que sean solicitadas, las investigue en profundidad y las presente con argumentación técnica fundamentada.

? ¿Qué vas a hacer?

Arquitectura y Diseño de Sistemas Agénticos

- Proponer y fundamentar arquitecturas agénticas complejas: single-agent, multi-agent (orquestador/trabajadores, peer-to-peer, jerárquico), pipelines híbridos y flujos con herramientas externas.
- Evaluar frameworks de agentes (LangGraph, CrewAI, AutoGen, Agno, Smolagents, OpenAI Agents SDK, etc.) y presentar recomendaciones argumentadas según el caso de uso, complejidad del grafo, observabilidad nativa y ecosistema de integración.
- Proponer patrones de diseño reutilizables para el equipo: gestión de estado, manejo de memoria (short-term, long-term, episodic), routing de agentes, error recovery y human-in-the-loop.
- Proponer contratos de integración entre agentes usando A2A Protocol y MCP, definiendo schemas, autenticación y flujos de comunicación.

Selección y Optimización de Infraestructura IA

- Evaluar servicios cloud optimizados para workloads de IA y presentar recomendaciones fundamentadas en benchmarks propios: Runtime de agentes (AWS Bedrock AgentCore, Vertex AI Agent Builder, Azure AI Foundry), Memory stores, Knowledge bases y AI Gateways.




- Proponer selección de modelo (Claude, GPT-4o, Gemini, Llama, modelos de embeddings) con benchmark propio documentado: calidad, latencia P50/P95, costo por token y límites de rate.
- Proponer estrategias de escalabilidad: manejo de concurrencia, colas de tareas, fan-out de agentes, patrones async y gestión de timeouts en flujos largos.
- Identificar y proponer oportunidades de optimización de costos de inferencia: caching semántico, prompt compression, selección de modelo por complejidad de tarea, batching estratégico.

Implementación y Desarrollo

- Implementar end-to-end los sistemas agénticos aprobados: desde el diseño del grafo de estado hasta el despliegue en producción con IaC.
- Construir pipelines RAG optimizados: estrategias de chunking (fixed, semantic, recursive, agentic), modelos de embedding, vector stores (Pinecone, pgvector, OpenSearch, S3 Vectors), reranking y retrieval híbrido.
- Aplicar prompt engineering avanzado: chain-of-thought, few-shot estructurado, system prompts defensivos, structured outputs y técnicas de grounding.
- Desarrollar APIs y microservicios en Python (FastAPI) y Node.js (NestJS) con diseño orientado a integración con plataformas ecommerce de alto tráfico.
- Provisionar infraestructura con Terraform y mantener pipelines CI/CD (GitLab CI / GitHub Actions / CodeBuild).

Testing, Trazabilidad y Observabilidad

- Proponer y ejecutar estrategias de evaluación de sistemas agénticos: evals automatizadas (LLM-as-a-judge, unit evals, regression evals), datasets de golden answers y métricas de calidad end-to-end.
- Implementar trazabilidad distribuida completa con OTEL + Langfuse / LangSmith: trazas por agente, spans por tool call, costos por trace y dashboards de latencia.
- Diseñar estrategias de testing para agentes: mocks de LLMs, simulación de herramientas, pruebas de flujos de error y chaos testing de dependencias externas.
- Monitorizar sistemas en producción: alertas sobre degradación de calidad, drift de respuestas, anomalías de latencia y costos fuera de SLA.
- Proponer SLOs para sistemas de IA: latencia aceptable, tasa de éxito de tareas, fallback behavior y circuit breakers.





Seguridad y Gobierno

- Aplicar OWASP Top 10 para LLMs: prompt injection, data leakage, insecure tool use, excessive agency.
- Implementar guardrails a nivel de input/output, manejo seguro de secrets (KMS, Secrets Manager) y autenticación de servicios agénticos (IAM SigV4, OAuth 2.0, JWT).
- Asegurar compliance en el manejo de datos sensibles dentro de pipelines de IA.

Liderazgo Técnico

- Documentar propuestas técnicas de arquitectura con contexto, opciones evaluadas, justificación y trade-offs, para revisión y aprobación del TL, arquitectura y seguridad.
- Construir base de conocimiento del área: runbooks, guías de patrones agénticos, frameworks de evaluación y propuestas técnicas documentadas.
- Mantenerse actualizado con el ecosistema de IA y traer al equipo referencias concretas y accionables.

?️ Requisitos técnicos
- Titulado en Ingeniería Informática, Computación, Sistemas o carrera afín.
- 5+ años en desarrollo de software, con al menos 3 años implementando sistemas agénticos en producción.
- Experiencia demostrable con al menos dos frameworks de orquestación de agentes y capacidad de argumentar sus trade-offs.
- Manejo sólido de AWS como plataforma principal: Bedrock, Lambda, API Gateway, ECS/ECR, S3, IAM, Secrets Manager.
- Experiencia real con testing y evaluación de sistemas LLM: evals automatizadas, métricas de calidad, regresiones.
- Dominio de Python avanzado para sistemas de IA y APIs de producción.

✨ Es un plus si tenés
- Experiencia multicloud: Google Cloud (Vertex AI / Agent Builder) y Azure (AI Foundry / OpenAI Service).
- Conocimiento de servicios AWS Bedrock AgentCore: Runtime, Memory, Gateway, Identity, Observability.
- Experiencia con Langfuse o LangSmith en entornos de producción.
- Haber propuesto o implementado integraciones con A2A Protocol y servidores MCP propios.
- Conocimiento de técnicas de optimización de costos en inferencia a escala.

Stack de Referencia

- Frameworks agenticos: LangGraph, ADK, Strands
- Protocolos: MCP (Model Context Protocol), A2A Protocol
- LLMs: Claude (Anthropic), GPT-5, Gemini
- RAG y Vector Stores: Pinecone, MongoDB Vectors, S3 Vectors, reranking
- Cloud AI: AWS Bedrock AgentCore, Vertex AI, Azure AI Foundry
- Backend: Python / FastAPI, Node.js / NestJS
- IaC y CI/CD: Terraform, GitLab CI, GitHub Actions
- Observabilidad: OTEL, Langfuse, LangSmith, CloudWatch, trazas distribuidas
- Seguridad: IAM SigV4, OAuth 2.0, JWT, KMS, OWASP LLM Top 10, guardrails

📌 AI Tech Lead (Chile)
🏢 Acid Labs
📍 Chile