AI Software Engineer - Python

Resumen: El profesional participará tanto en el desarrollo y evolución de GENIE como en la consolidación de arquetipos y capacidades basadas en Microsoft Agent Framework (MAF) y servicios de Azure.

Objetivo: fortalecer una plataforma confiable, segura, escalable y reutilizable, capaz de soportar agentes, workflows y capacidades corporativas de IA. Consideramos que este rol será clave para convertir definiciones y prototipos en componentes productivos, observables y mantenibles, evitando el clásico problema de tener una demo brillante que nadie se atreve a operar.

Responsabilidades

• Diseñar, desarrollar y mantener servicios backend y soluciones de IA utilizando Python.
• Construir y evolucionar agentes y workflows con LangGraph y Microsoft Agent Framework (MAF).
• Diseñar y exponer APIs robustas mediante FastAPI, incluyendo contratos, validaciones, autenticación, manejo de errores y documentación.
• Implementar integraciones con modelos fundacionales, servicios corporativos, APIs y servidores MCP.
• Participar en la evolución técnica de GENIE, incluyendo su runtime, orquestación de grafos, tools, UI, evaluaciones e integraciones.
• Contribuir a la industrialización de arquetipos de agentes mediante componentes reutilizables, parametrización y buenas prácticas de ingeniería.
• Implementar patrones RAG e integraciones con bases de conocimiento y servicios de búsqueda.
• Desarrollar pruebas unitarias, de integración y end-to-end, así como mecanismos de evaluación para agentes y workflows.
• Aplicar prácticas de seguridad para identidad, autorización, manejo de secretos, protección de datos y consumo controlado de herramientas.
• Instrumentar servicios y agentes mediante logs, métricas y trazas distribuidas, facilitando su monitoreo y diagnóstico.
• Analizar problemas de rendimiento, concurrencia, resiliencia y escalabilidad en servicios distribuidos.
• Elaborar documentación técnica, diagramas, decisiones de arquitectura y evidencias necesarias para operar y gobernar las soluciones.
• Participar en revisiones de diseño, código y arquitectura, proponiendo alternativas y explicando sus trade-offs técnicos y operativos.
• Requisitos obligatorios
• 5 o más años de experiencia en desarrollo de software, con al menos 2 años trabajando en soluciones de IA, machine learning aplicado o IA generativa.
• Dominio avanzado de Python y buenas prácticas de ingeniería de software.
• Experiencia desarrollando APIs y servicios backend con FastAPI o frameworks equivalentes.
• Experiencia práctica con LangGraph o frameworks de orquestación de agentes y workflows basados en código.
• Experiencia integrando LLMs, herramientas, APIs y fuentes de contexto en soluciones productivas.
• Experiencia con servicios cloud; preferentemente Microsoft Azure.
• Experiencia con contenedores, Docker y plataformas de orquestación como Kubernetes o AKS.

Experiencia con bases de datos relacionales y mecanismos de persistencia o caché, preferentemente PostgreSQL y Redis.

Conocimiento de arquitecturas distribuidas, programación asíncrona, manejo de concurrencia, resiliencia y patrones de integración.

• Experiencia en pruebas automatizadas, control de versiones con Git y prácticas de revisión de código.
• Conocimiento de autenticación y autorización basada en OAuth 2.0, OpenID Connect, tokens y gestión segura de credenciales.
• Capacidad para analizar requerimientos, diseñar una solución técnica y llevarla hasta un estado desplegable y operable.
• Experiencia trabajando en entornos ágiles y colaborando con arquitectura, seguridad, QA, cloud y equipos de negocio.
• Deseable:
• Experiencia con Microsoft Agent Framework (MAF), Azure AI Foundry o Azure OpenAI.
• Experiencia desarrollando o consumiendo servidores MCP y patrones de interoperabilidad entre agentes, como A2A.
• Conocimiento de Azure AI Search, búsqueda híbrida, embeddings, bases vectoriales y patrones RAG.
• Experiencia con OpenTelemetry, OpenInference, Dynatrace u otras herramientas de observabilidad.
• Conocimiento de AI Gateway, API Management o patrones de gobierno y control del consumo de modelos.
• Conocimiento de evaluación de agentes, golden datasets, trazabilidad, guardrails y seguridad para aplicaciones con LLMs.
• Experiencia en sectores regulados, idealmente banca o servicios financieros.