Agentic ai llm platform engineer

sobre nosotros: en itw cloud, somos una empresa que valora la diversidad, la innovación y el crecimiento conjunto. Nos enorgullece construir una cultura donde cada individuo se sienta valorado, inspirado y parte fundamental de nuestro éxito. objetivo del puesto: implementar soluciones de inteligencia artificial generativa mediante agentes, arquitecturas rag, integraciones empresariales y plataformas llm, contribuyendo al desarrollo y operación de capacidades de ia dentro de la organización. responsabilidades:

• implementar agentes con herramientas, memoria, prompts, flujos de tareas y orquestación básica.
• desarrollar servicios, automatizaciones e integraciones utilizando python.
• implementar conectores mediante mcp, tool calling y function calling hacia apis, documentos, bases de datos y workflows.
• implementar arquitecturas rag con embeddings, vector databases, chunking, búsqueda semántica, metadata filtering y control de fuentes.
• utilizar frameworks agenticos para el desarrollo de soluciones basadas en ia.
• trabajar con plataformas cloud para ia como vertex ai, azure ai, aws bedrock u openai enterprise.
• realizar pruebas de prompts, evaluación de respuestas, monitoreo básico y trazabilidad.
• aplicar prácticas de seguridad relacionadas con credenciales, control de acceso, validación de entradas y guardrails.
• realizar consultas y explotación de datos mediante sql.
• consumir, exponer e integrar servicios mediante apis rest.

• experiencia práctica en implementación de agentes.
• experiencia en implementación de arquitecturas rag.
• experiencia con frameworks agenticos.
• experiencia práctica en plataformas cloud para ia.
• experiencia en integración mediante apis rest.
• experiencia básica en llmops/mlops.
• experiencia en seguridad aplicada.

• python avanzado.
• implementación de agentes.
• mcp / tool calling / function calling.
• rag empresarial.
• openclaw, langgraph, crewai, autogen, semantic kernel o equivalentes.
• vertex ai, azure ai, aws bedrock u openai enterprise.
• llmops / mlops básico.
• seguridad aplicada.
• sql y manejo de datos.
• apis rest.

• fine-tuning básico (lora, qlora, cuantización o ajuste de modelos pequeños).
• machine learning tradicional.

- nlp.

• gpu inference y modelos open-source (ollama, vllm, tgi, llama, mistral, qwen o deepseek).
• observabilidad (opentelemetry, prometheus, grafana, langsmith, arize phoenix, mlflow o weights & biases).
• docker / kubernetes.
• experiencia en ambientes regulados como banca, seguros, salud, gobierno o compliance.