Desarrollador en Inteligencia Artificial Diseñar, construir y operar en producción soluciones de IA aplicada —agentes, RAG, orquestación de workflows e integraciones— sobre infraestructura cloud, ejerciendo además como referente técnico del equipo: tomar decisiones de arquitectura, ordenar la solución y guiar a otros desarrolladores. No es un rol de investigación ni de construcción de pruebas de concepto. El foco está en que lo construido funcione con usuarios reales, se pueda medir y se mantenga en el tiempo, con criterio propio sobre arquitectura, calidad, costo y riesgo.

PRINCIPALES RESPONSABILIDADES

- Diseñar la arquitectura de soluciones de IA de punta a punta y justificar sus decisiones: cuándo corresponde un agente, cuándo RAG, y cuándo basta una regla de negocio o una consulta SQL.
- Construir y llevar a producción servicios en Python: APIs, workers, procesos asíncronos y flujos basados en mensajería.
- Implementar y operar agentes, pipelines de RAG, embeddings, tool calling e integraciones vía MCP.
- Definir y ejecutar la evaluación de calidad de las soluciones de IA: sets de evaluación, métricas, regresión de prompts y control de alucinaciones.
- Desplegar y operar sobre Kubernetes: contenedorización, configuración, escalamiento y recuperación ante fallas.
- Instrumentar observabilidad y controlar costo, latencia y consumo de tokens como restricciones de diseño, no como consecuencia.
- Guiar técnicamente al equipo: revisiones de código, definición de estándares, acompañamiento a perfiles semi senior y desbloqueo técnico.
- Traducir necesidades de negocio en soluciones acotadas, incluyendo la capacidad de descartar casos de uso que no requieren IA.
- Diagnosticar y resolver incidentes en producción,



y documentar decisiones técnicas y aprendizajes para el equipo.

STACK TECNOLÓGICO / HERRAMIENTAS

Python como lenguaje principal; frameworks de IA (LangChain, LangGraph, LlamaIndex, Transformers); APIs de LLM (OpenAI, Azure OpenAI, Bedrock u otras); embeddings y bases vectoriales; MCP; cloud (AWS, Azure o GCP); Kubernetes y Docker; mensajería (Kafka, RabbitMQ, SQS o similar); bases de datos SQL (PostgreSQL o equivalente); observabilidad de IA (LangSmith, Langfuse, OpenTelemetry, Grafana o similares); Git y pipelines de CI/CD.

EXPERIENCIA REQUERIDA

- 6+ años de experiencia en desarrollo de software en ambientes de producción.
- Al menos 2 años construyendo soluciones basadas en LLM efectivamente desplegadas y en uso, no solo pruebas de concepto o prototipos internos.
- Haber operado al menos una solución de IA con usuarios reales: incidentes, iteración posterior al lanzamiento y mejoras basadas en datos de uso.
- Experiencia comprobable liderando técnicamente a un equipo o célula de desarrollo, con o sin jefatura formal.
- Experiencia trabajando con metodologías ágiles (Scrum/Kanban).
- Experiencia deseable en telecomunicaciones, procurement o entornos con SAP.

COMPETENCIAS TÉCNICAS

Must Have
- Python avanzado: dominio del lenguaje y su ecosistema, no exposición ocasional desde otro stack principal.
- IA aplicada en producción: agentes,



RAG, embeddings, tool calling y orquestación de workflows construidos y operados por la persona, no solo estudiados.
- Arquitectura de sistemas distribuidos: diseño de APIs, mensajería asíncrona, manejo de concurrencia y decisiones de escalamiento.
- Cloud y Kubernetes: despliegue y operación real de servicios, más allá del ambiente local o del docker compose de desarrollo.
- Evaluación de modelos: definición de métricas y sets de prueba, medición de calidad de salida y control de alucinaciones con trazabilidad de la fuente.
- Observabilidad: trazas, logs y métricas sobre soluciones de IA, incluyendo costo y latencia por caso de uso.
- Buenas prácticas de ingeniería: Git y flujos colaborativos, pruebas automatizadas, manejo de secretos y datos sensibles en prompts.
- Criterio técnico explicable: capacidad de fundamentar sus decisiones de diseño y sus trade-offs frente al equipo y frente a negocio.

Nice to Have
- Fine-tuning, cuantización o servido de modelos propios (vLLM, Ollama u otros).
- ML clásico: clasificación, scoring y detección de anomalías.
- Orquestación de datos (Airflow, Prefect, Dagster) y prácticas de MLOps (MLflow).
- Manejo de datos tabulares a escala y capa de reporting (Power BI u otra).
- Seguridad de aplicaciones: OWASP, riesgos específicos de LLM (prompt injection, fuga de datos por contexto).
- Certificaciones cloud (AWS, Azure o GCP).
- Contribuciones open source, charlas o publicaciones sobre IA aplicada.

COMPETENCIAS BLANDAS

- Criterio propio: distingue cuándo una solución está lista para producción y cuándo no, y sostiene esa postura.
- Capacidad de relatar su experienc

📌 Desarrollador de Inteligencia Artificial Especialista en LLMs (Santiago)
🏢 Haibu Solutions
📍 Santiago