Applied AI Engineer

Estamos innovando la logística y esto lo hemos logrado gracias a un equipo de personas visionarias, con ganas de crecer y cambiar el mundo. En Skydropx encontrarás un espacio para desarrollar tu carrera dentro de un ambiente laboral dinámico, ambicioso y multicultural. En Skydropx estamos integrando IA al corazón de nuestra plataforma de logística para LATAM. Trabajamos a escala multi-tenant, con cientos de miles de envíos al mes, y con decisiones que tienen consecuencias monetarias reales: dinero, tiempos de entrega, y la confianza de miles de merchants. No estamos construyendo demos ni un chatbot genérico. Estamos construyendo sistemas de IA que toman o asisten decisiones operativas reales, con los niveles de rigor, evaluación y seguridad que eso exige. Como Applied AI Engineer, serás responsable del corazón técnico de esta iniciativa: desde el diseño de pipelines de datos y modelos, hasta la orquestación de agentes con LLMs, pasando por sistemas de evaluación y las decisiones de qué tipo de solución (LLM, modelo clásico, regla determinística) es la correcta para cada problema. En Skydropx creemos que la IA y los humanos hacen mejor su trabajo cuando cada uno hace lo que mejor sabe hacer. Le dejamos a la IA lo repetitivo, lo que escala mal con esfuerzo humano, y lo que requiere procesar mucha información rápido. Le dejamos a las personas las decisiones que requieren criterio, contexto y responsabilidad. Diseñamos nuestros sistemas con esa división en mente — y queremos a alguien que comparta esta filosofía. RESPONSABILIDADES: - Diseñar y construir sistemas de IA en producción que resuelven problemas reales de negocio, end-to-end: desde discovery hasta operación. - Trabajar con producto y operaciones para traducir problemas ambiguos en soluciones acotadas, medibles y mantenibles. - Construir pipelines de datos que alimentan tanto modelos como superficies de producto. - Diseñar sistemas de evaluación rigurosos: cómo medimos calidad, cómo detectamos regresiones, cómo decidimos cuándo algo está listo para shippear. - Integrar LLMs en producción con todos los retos que eso implica: prompt engineering serio, tool use, manejo de costos y latencia, control de calidad de outputs. - Tomar decisiones técnicas sobre qué tipo de solución aplicar a cada problema. No todo necesita un LLM, no todo necesita ML, y parte del rol es saber distinguir. - Diseñar e implementar las salvaguardas de seguridad del sistema: límites de autonomía, aprobaciones humanas, aislamiento entre clientes, auditoría. - Colaborar con el equipo de backend para definir contratos e integraciones limpias entre servicios. - Mentorear a otros ingenieros en prácticas de IA aplicada conforme el equipo crezca (responsabilidad creciente con el nivel de seniority). REQUISITOS: - Inglés B2 o superior. - +4 años de experiencia en ingeniería de software, con al menos 2 años trabajando en sistemas de Machine Le producción (noarning o IA en solo notebooks o POCs). - Experiencia práctica construyendo sistemas con LLMs en producción: prompt engineering serio, function calling / tool use, RAG, manejo de costos y latencia, evaluación de outputs. - Sólido conocimiento de al menos un lenguaje fuerte para sistemas de IA — Python es el más común, pero también consideramos perfiles fuertes en Go, Rust o TypeScript/Node siempre que tengas experiencia construyendo sistemas de ML/IA productivos en ese stack. - Experiencia con al menos un framework de ML (PyTorch, scikit-learn, JAX, o equivalente). - Capacidad de tomar un problema de producto ambiguo y traducirlo en un sistema de IA acotado, medible y mantenible. - Mentalidad de evaluación primero: sabes que un sistema de IA sin métricas no es un sistema, es una apuesta. - Capacidad para comunicar trade-offs técnicos a audiencias técnicas y no técnicas, en español e inglés. - A considerar: - Experiencia con Ruby on Rails — parte de nuestro stack convive con backend en Rails, y poder leer/escribir código del backend acelera tu trabajo. - Experi