Applied AI Engineer - LLMs & Agentic Systems | Remote Mexico/LATAM,
DaCodes2 days ago
- Where you can work from
- Remote — Mexico onlyMexico
- Salary
- Salary not disclosedThe employer did not publish a range. We do not estimate one.
- Job type
- Full-time
- Experience
- Not stated
Skills
See more from us in Google Search — add us as a preferred source.
Opens remotefirstjobs.com in a new tab. No account needed.
via RemoteFirstJobs · RemoteFirstJobs (formerly JobsCollider)
Job description
Sobre la oportunidad
Buscamos un/a Applied AI Engineer para integrarse al equipo tecnológico de una fintech que desarrolla soluciones para transferencias internacionales y remesas, con operación principalmente entre Estados Unidos, México y Centroamérica.
La posición está enfocada en diseñar, desarrollar y llevar a producción soluciones de inteligencia artificial basadas en Large Language Models (LLMs), sistemas agénticos y recuperación de información (RAG).
Buscamos a alguien que haya trabajado directamente en la construcción de estas soluciones, que pueda tomar decisiones técnicas fundamentadas y que entienda cómo garantizar su calidad, confiabilidad y funcionamiento en entornos reales.
No es una posición centrada exclusivamente en Machine Learning tradicional ni en experimentación con modelos. El enfoque principal es la ingeniería de soluciones de IA aplicadas a problemas de negocio.
Responsabilidades
- Diseñar, desarrollar y mantener aplicaciones basadas en LLMs utilizadas en procesos reales de negocio.
- Construir sistemas agénticos capaces de interactuar con herramientas, APIs y servicios externos, incorporando controles sobre sus acciones.
- Evaluar cuándo conviene utilizar agentes, workflows determinísticos o una combinación de ambos.
- Diseñar e implementar soluciones RAG, incluyendo estrategias de chunking, embeddings, retrieval, reranking y gestión del contexto.
- Implementar mecanismos de evaluación para medir la calidad de las respuestas, la recuperación de información y el comportamiento de los agentes.
- Identificar y resolver problemas relacionados con alucinaciones, errores de ejecución, latencia, costos y confiabilidad.
- Definir mecanismos de validación, manejo de errores y monitoreo para soluciones desplegadas en producción.
- Colaborar con equipos de producto e ingeniería para comprender requerimientos de negocio, evaluar alternativas y convertirlos en soluciones técnicas viables.
- Participar directamente en decisiones de arquitectura, implementación y mejora continua de las soluciones desarrolladas.
Requisitos indispensables
Experiencia en LLMs y sistemas agénticos
- Experiencia práctica construyendo y operando aplicaciones basadas en LLMs en producción, más allá de prototipos o pruebas de concepto.
- Participación directa en decisiones de arquitectura e implementación de soluciones con agentes.
- Experiencia implementando tool calling e integraciones con APIs o servicios externos.
- Conocimiento práctico del manejo de contexto, estado y memoria en aplicaciones con LLMs.
- Capacidad para justificar cuándo utilizar un agente y cuándo resolver un problema mediante lógica determinística.
RAG y recuperación de información
- Experiencia implementando pipelines RAG para aplicaciones reales.
- Conocimiento de estrategias de chunking, embeddings, búsqueda semántica y recuperación de documentos.
- Experiencia evaluando y mejorando la relevancia de la información recuperada.
- Capacidad para identificar problemas de retrieval y reducir respuestas incorrectas o sin sustento.
Evaluación y operación
- Experiencia implementando evaluaciones de calidad para aplicaciones con LLMs, incluyendo pruebas sobre respuestas y comportamiento de agentes.
- Conocimiento práctico de mecanismos para detectar y mitigar alucinaciones, errores y respuestas inconsistentes.
- Experiencia identificando problemas de latencia, consumo de tokens y costos de inferencia.
- Capacidad para diagnosticar fallas y mejorar la confiabilidad de soluciones en producción.
Ingeniería de software
- Experiencia sólida desarrollando soluciones con Python.
- Experiencia integrando APIs, servicios backend y modelos de lenguaje.
- Buenas prácticas de desarrollo, pruebas, manejo de errores y mantenimiento de aplicaciones.
- Autonomía para investigar problemas, proponer alternativas y ejecutar soluciones de principio a fin.
Conocimientos deseables
- Experiencia con frameworks de orquestación de agentes como LangGraph, Pydantic AI o similares.
- Experiencia implementando integraciones mediante Model Context Protocol (MCP).
- Conocimiento de bases de datos vectoriales y herramientas de búsqueda semántica.
- Experiencia con herramientas de observabilidad y evaluación de aplicaciones LLM.
- Conocimientos de Machine Learning y Data Science.
- Experiencia en fintech, servicios financieros, pagos, fraude o procesos regulados.
- Familiaridad con controles de seguridad y protección de información sensible en aplicaciones de IA.
Lo que buscamos en la persona
- Ownership técnico: capacidad para explicar qué construyó, qué decisiones tomó y qué resultados obtuvo.
- Criterio de arquitectura: elegir soluciones por su utilidad y restricciones, no por la popularidad de una tecnología.
- Orientación a producción: considerar calidad, errores, monitoreo, costos y mantenimiento desde el diseño.
- Pensamiento crítico: cuestionar y aclarar requerimientos antes de proponer una solución.
- Comunicación: explicar decisiones técnicas y sus implicaciones a perfiles técnicos y de negocio.
- Autonomía: resolver problemas con iniciativa y asumir responsabilidad sobre los resultados.
¿Qué tipo de experiencia nos interesa especialmente?
Nos interesa conocer proyectos donde hayas participado directamente en el desarrollo de una solución con LLMs o agentes que haya sido utilizada por usuarios reales.
Durante el proceso profundizaremos en el problema de negocio, la arquitectura implementada, las decisiones que tomaste personalmente, los mecanismos de evaluación y los retos que surgieron durante su operación.
Valoramos más la profundidad y responsabilidad demostrable en proyectos reales que la cantidad de herramientas o frameworks mencionados en el CV.
🚀 Integración a marcas globales y startups disruptivas.
🏡 Trabajo remoto/Home office.
⏳ Horario ajustado a la célula de trabajo/proyecto asignado.
📅 Trabajo de lunes a viernes.
🎉 Día off en tu cumpleaños.
🏥 Seguro de gastos médicos mayores (aplica para México).
🛡️ Seguro de vida (aplica para México).
🎓 Acceso a cursos y certificaciones.
📢 Clases de inglés.
🏆 Oportunidades dentro de nuestras diferentes líneas de negocio.
Opens remotefirstjobs.com in a new tab. No account needed.
via RemoteFirstJobs · RemoteFirstJobs (formerly JobsCollider)
Job availability & source
Still listed on the employer's own board at our last check, 45 hours ago
This job was originally posted by the employer or source shown below. We re-check the original listing regularly to keep its availability current, and send you straight to it to apply — we never sit in between.
- Source
- RemoteFirstJobs (formerly JobsCollider)
- Posted by the employer
- 14 Nov 2026
- First seen by us
- 14 Nov 2026
- Last checked
- 14 Nov 2026
via RemoteFirstJobs — view on source
Similar remote jobs
- 4 months agoView job
- Oak Ridge National LaboratoryAI & Machine LearningLast weekLast weekView job4 Day Week
- OpenAIAI & Machine Learning4 months agoUnited StatesUSD 251K–278K / year#JavaScript#LLMs#Prototyping4 months agoView job
- Ample InsightAI & Machine Learning2 weeks ago2 weeks ago
- VerticanAI & Machine LearningLast weekLast weekView jobWe Work Remotely
- Parsons CorporationAI & Machine Learning2 weeks ago2 weeks agoView job4 Day Week
- JobgetherAI & Machine Learning2 months ago2 months agoView jobArbeitnow
- Last monthView jobArbeitnow
More jobs at DaCodes
- DaCodesProduct2 weeks ago2 weeks ago

