AI Engineer IA Generativa

✅ IA Generativa y Grandes Modelos de Lenguaje (LLMs).✅ Arquitecturas RAG (Retrieval-Augmented Generation) y sistemas de agentes. ✅ Python.✅ LangChain, LlamaIndex o Hugging Face. ✅ Bases de datos vectoriales (Pinecone, ChromaDB, Milvus, PGVector o Azure AI Search).✅ Azure OpenAI, AWS Bedrock o Google Vertex AI.

✅ Desarrollo de APIs y microservicios con FastAPI o Flask.✅ Docker. ✅ LLMOps / MLOps.✅ Prompt Engineering y evaluación de modelos. Requisitos

✔️ Título profesional de Ingeniería Civil Informática, Ingeniería Informática, Ciencia de Datos o carrera afín.✔️ Al menos 2 a 3 años de experiencia desarrollando aplicaciones integradas con Inteligencia Artificial o Machine Learning. ✔️ Inglés técnico con capacidad de lectura avanzada. Objetivo del cargoResponsable de diseñar, desarrollar e integrar soluciones basadas en Inteligencia Artificial, principalmente IA Generativa, Grandes Modelos de Lenguaje (LLMs) y Machine Learning tradicional, dentro de las plataformas y flujos de la Gerencia de Tecnología de Pagos.Su principal objetivo será habilitar capacidades cognitivas como automatización inteligente, asistentes virtuales, procesamiento de lenguaje natural y análisis predictivo, asegurando que las soluciones sean escalables, eficientes en costos, seguras y alineadas con las políticas de gobernanza de datos y las normativas del sector bancario.

Asegurar que las soluciones de Inteligencia Artificial cumplan con las políticas corporativas de seguridad de la información y las regulaciones bancarias sobre privacidad de datos. Validar y refinar historias de usuario relacionadas con componentes de IA, transformando requerimientos de negocio en especificaciones técnicas, incluyendo diseño de prompts y utilización de bases de datos vectoriales. Definir y construir los flujos de preparación y curación de datos (Data Pipelines) necesarios para proporcionar contexto a los modelos.Proporcionar requerimientos técnicos claros a los equipos de Integraciones, Datos y Arquitectura respecto de la infraestructura necesaria para soluciones de IA, tanto en ambientes Cloud como On-Premise. Gestionar oportunamente riesgos técnicos, alertas de degradación de modelos (Model Drift) y posibles cuellos de botella en ambientes productivos. Garantizar que las soluciones desarrolladas reduzcan la dependencia de consultorías externas mediante una adecuada documentación técnica y transferencia de conocimiento al equipo interno.