Cuando llamas a un agente de IA y notas ese medio segundo de más antes de que responda, o cuando lo interrumpes y sigue hablando encima tuyo, estás viendo el problema más difícil de esta categoría. No es el modelo. Es todo lo que pasa alrededor. Si ese problema te resulta familiar, sigue leyendo.

El rol

Buscamos a quien tome la propiedad técnica de nuestra capa de voz en tiempo real y la lleve al nivel de las mejores plataformas conversacionales del mundo.

Es un cargo de construcción, no de integración. Alta autonomía, decisiones de arquitectura que se toman en el cargo y no llegan tomadas, y reporte directo al CTO sin capas intermedias.

El detalle del alcance lo conversamos en la primera entrevista.

Lo que no se negocia

- Haber construido sistemas de voz o audio en tiempo real en producción — resolviendo latencia y calidad de audio, no integrando un servicio conversacional de terceros
- Sistemas distribuidos con exigencia de latencia: streaming, concurrencia, contrapresión, degradación controlada
- Modelos de lenguaje en producción, con agentes que usan herramientas y evaluación sistemática de calidad
- Criterio de producto: decidir qué construir y qué no
- Inglés fluido

Lo que suma fuerte Telefonía y transporte de medios de baja latencia · motores de reconocimiento y síntesis de voz en múltiples idiomas y acentos · sistemas de recuperación en producción · frontend actual con TypeScript estricto · backend tipado con contratos estrictos · contenedores, CI/CD y observabilidad

Condiciones

Santiago, modalidad híbrida. Inglés fluido es requisito.

Requisitos

- Sistemas de voz o audio en tiempo real en producción: pipeline de reconocimiento,



razonamiento y síntesis con streaming bidireccional, resolviendo latencia percibida y calidad de audio. No integrando un servicio conversacional de terceros.
- Turno de habla conversacional: detección de actividad de voz, fin de turno, interrupciones del usuario sobre el agente, manejo de silencios y ruido de fondo.
- Transporte de medios de baja latencia: WebRTC y WebSocket, y telefonía sobre SIP/RTP — codecs de voz, jitter, pérdida de paquetes y degradación controlada.
- Sistemas distribuidos con exigencia de latencia: streaming, alta concurrencia, contrapresión, corte de circuito y aislamiento por sesión.
- Modelos de lenguaje en producción: agentes multi-paso con uso de herramientas, guardrails, validación estricta de entrada y salida, y evaluación sistemática de calidad.
- Criterio de producto: decidir qué construir y qué no, con impacto directo en negocio.
- Inglés fluido, escrito y hablado.

Muy valorado

- Plataformas de telefonía open source — FreeSWITCH, Asterisk, Kamailio o equivalentes
- Motores de reconocimiento y síntesis: selección, ajuste y evaluación, con múltiples idiomas y acentos
- Sistemas de recuperación en producción: segmentación, búsqueda híbrida, reordenamiento
- Arquitectura de inferencia agnóstica de proveedor: caché, ruteo, continuidad ante degradación
- Frontend moderno con React y TypeScript estricto
- Backend tipado con contratos OpenAPI y JSON Schema, autenticación empresarial y control de acceso por rol
- Contenedores, CI/CD, infraestructura como código, colas y trabajos en segundo plano, observabilidad estandarizada

Para postular Cuéntanos de un sistema de tiempo real que hayas construido y qué métrica lograste mover. Eso nos dice más que un CV.

📌 AI Engineer (Santiago)
🏢 Anonima Empresa
📍 Santiago