13 days ago
Remote, Argentina or Buenos Aires, ArgentinaSenior
Responsibilities
- Diseñar y construir servicios backend de producción para sistemas con LLMs, incluyendo orquestación, tool calling, estado, colas, reintentos, idempotencia, timeouts y fallbacks.
- Modelar la capa de datos con esquemas relacionales, índices, optimización de queries y pipelines de ingesta y normalización.
- Construir sistemas de retrieval con embeddings, bases vectoriales, chunking, búsqueda híbrida, reranking y medición de calidad.
- Diseñar y mantener un semantic layer sobre el data warehouse con métricas, dimensiones, joins y reglas de negocio gobernadas.
- Definir datasets de evaluación, regresiones automatizadas, guardrails y observabilidad de calidad, costo y latencia.
- Integrar HubSpot, el data warehouse, herramientas de enriquecimiento y prospección, WhatsApp y APIs propias.
- Construir tooling interno, MCP servers y agentes para mejorar la productividad y el contexto de los equipos.
- Automatizar el funnel comercial mediante enriquecimiento y deduplicación de leads, scoring, routing, speed-to-lead, research de cuentas y personalización de outbound.
- Traducir necesidades de áreas no técnicas en sistemas y decidir cuándo utilizar código, herramientas existentes, LLMs o combinaciones de estas tecnologías.
Requirements
- Experiencia en producción con LLMs o modelos de Machine Learning frente a usuarios o procesos reales.
- Cinco o más años construyendo y manteniendo servicios backend en producción, con experiencia en diseño, testing y operación.
- Sólida experiencia backend; Ruby es el stack principal y también se trabaja con Python y Node.
- Experiencia en modelado relacional, SQL avanzado, índices, análisis y tuning de queries.
- Experiencia con PostgreSQL y ClickHouse.
- Experiencia con embeddings y al menos un vector store, como pgvector, Qdrant, Pinecone o Weaviate, y comprensión de los tradeoffs de RAG.
- Conocimientos de context engineering, ventanas de contexto y semantic layers.
- Experiencia integrando APIs REST y webhooks, además de autenticación, rate limits y timeouts.
- Mentalidad de producto y capacidad para descubrir problemas con otras áreas y evaluar la efectividad de las soluciones.
- Se valora experiencia aplicando LLMs o ML a ventas, incluyendo lead scoring, enriquecimiento, research de cuentas, outreach, forecasting o automatización de CRM.
- Se valora experiencia construyendo flujos agénticos, MCP servers o tools, y conocimiento de fallas como alucinaciones, loops y costos elevados.
- Se valora experiencia con dbt, BigQuery, data warehouses, fine-tuning, evaluación de modelos, o experiencia como ML Engineer o Data Scientist con modelos en producción.
- Se valora experiencia en otros productos SaaS B2B.
Benefits
- Trabajo remoto o semi-presencial en un ambiente cómodo y distendido, con oficinas en Buenos Aires.
- Feriados locales, día de cumpleaños libre y días hábiles de vacaciones.
- Capacitación de inglés y portugués dentro de la empresa.
- Cobertura de Wellhub, anteriormente Gympass, para gimnasios y actividades físicas.
- Beneficios adicionales mediante partnerships con otras empresas.
- Salarios y beneficios competitivos internacionalmente.
Tech Stack
Categories
