Tech Lead Senior

Sobre Creai

En Creai, nos especializamos en aprovechar el poder de la inteligencia artificial y el aprendizaje automático para transformar negocios. Nuestra misión es ayudar a los clientes a reducir costos, aumentar la eficiencia y desbloquear nuevas oportunidades mediante soluciones de IA de vanguardia.

Descripción del Puesto

Buscamos un Full Stack Software Engineer para IA, tu rol central ya no es escribir código línea por línea, sino dirigir, supervisar y validar el trabajo de agentes de IA generativa y agentica que construyen soluciones escalables y de alto impacto. Usarás tu dominio técnico y de negocio para diseñar la arquitectura correcta, definir el qué y el por qué de cada solución, delegar la ejecución táctica a la IA, y ejercer el criterio necesario para juzgar, corregir y aprobar sus outputs antes de que lleguen a producción.

Serás responsable de entregar funcionalidades completas de complejidad media con velocidad y calidad, asegurando que la velocidad que da la IA no comprometa la estabilidad, seguridad ni mantenibilidad del sistema. Colaborarás con otros ingenieros y equipos multidisciplinarios para integrar servicios, pipelines y modelos, fortaleciendo los estándares técnicos y las prácticas de supervisión de IA dentro de Creai.

Esta posición está diseñada para evolucionar en el corto plazo hacia un rol de Tech Lead , por lo que buscamos a una persona con potencial e interés para asumir progresivamente el liderazgo técnico y humano de un equipo. Esto incluirá orientar a otros desarrolladores, tomar decisiones técnicas, promover buenas prácticas, dar seguimiento a las entregas y contribuir al desarrollo y desempeño del equipo.

Este Puesto Exige

Orquestación de Desarrollo: Dirigir a agentes de IA para generar funciones y servicios, revisando y refactorizando el código resultante para garantizar que sea limpio, funcional, mantenible y esté alineado con la arquitectura del sistema. Escribir código propio cuando la tarea lo requiera, especialmente en piezas críticas o ambiguas donde el criterio humano marca la diferencia.

Validación de Calidad: Diseñar la estrategia de pruebas (smoke tests, integración, end to end etc) y delegar su automatización a IA, verificando que la cobertura generada realmente valide los casos de negocio relevantes y no solo los casos evidentes.

Gestión de Datos: Definir la arquitectura de pipelines batch de datos y usar IA para acelerar su construcción, auditando personalmente la validación de schemas y la coherencia entre orígenes y destinos, dado que los errores de datos introducidos por IA suelen ser sutiles y costosos de detectar tarde.

Modelado y Entrenamiento Inicial: Supervisar el entrenamiento de modelos estándar y el ajuste de hiperparámetros —ejecutado manualmente o asistido por IA— bajo la guía del equipo de IA, evaluando de forma crítica si los resultados obtenidos responden al problema de negocio planteado.

Gestión de Incidentes: Usar IA para acelerar el triage y diagnóstico de incidentes, manteniendo la responsabilidad final de clasificar, comunicar y resolver runbooks comunes, y aportando criterio en los casos que la IA no puede resolver por sí sola.

Seguridad del Software: Usar IA para ejecutar threat checklists y sugerir parches, validando y priorizando esas recomendaciones con criterio propio antes de aplicarlas, evitando falsos positivos o negativos que la IA no puede juzgar por contexto de negocio.

Definición de Criterios de Calidad: Definir criterios de aceptación y Definition of Done para las tareas —incluyendo qué se considera un output de IA aceptable—, asegurando entregables completos, correctos y alineados al problema real de negocio, no solo funcionalmente correctos.

Diseño de Flujos con IA: Diseñar prompts, contexto y flujos de trabajo reutilizables (plantillas, snippets, agentes configurados) para copilotos e IA generativa, elevando la productividad del equipo y estableciendo buenas prácticas de uso de IA dentro de Creai.