Ubicación: méxico / latam (remoto o híbrido)tipo: full-timeequipo: producto & ingeniería – quashel rolbuscamos un machine learning engineer que combine ml clásico + genai + software engineering, y que participe de extremo a extremo en la construcción de la plataforma:•desde el diseño de agentes de ia,•pasando por pipelines de datos y modelos,•hasta su despliegue productivo en aws y su integración con el frontend y clientes reales.este rol es hands-on, con alto impacto técnico y de producto.⸻responsabilidades1. Desarrollo de agentes de ia y genai•diseñar, construir y mantener agentes de ia usando aws bedrock (claude, titan, etc.) y otra plataforma deploy-ready.•implementar orquestación de agentes, memoria, herramientas (tools), y flujos multi-step.•construir pipelines de rag (retrieval-augmented generation) sobre documentos financieros, datos de buró, políticas de crédito y fuentes externas.•optimizar prompts, context windows, costos, latencia y observabilidad de los agentes.2. Modelos de machine learning & riesgo de crédito•desarrollar y mantener modelos de riesgo crediticio (pd, scorecards, reglas híbridas, features alternativas).•trabajar con datos estructurados y no estructurados (tabulares, texto, documentos).•implementar entrenamiento, validación y versionado de modelos en sagemaker.•colaborar en análisis de desempeño, fairness, explainability y estabilidad de modelos.3. Mlops & despliegue•desplegar modelos en producción usando sagemaker endpoints, batch inference o pipelines.•diseñar pipelines de ml reproducibles (entrenamiento, inferencia, monitoreo).•implementar versionado de modelos, datasets y artefactos.•monitorear drift, performance y uso de modelos en producción.4. Backend & plataforma•desarrollar apis de backend en python (fastapi) para exponer agentes, modelos y resultados.•integrar servicios con aws s3, dynamodb, y otros servicios cloud.•diseñar sistemas orientados a eventos y escalables.•colaborar con frontend y producto para integrar capacidades de ia en la plataforma web.5. Datos & análisis•diseñar y consumir datasets de crédito y riesgo.•construir pipelines de ingestión, limpieza y feature engineering.•analizar comportamiento de usuarios, uso de agentes y resultados de decisiones.•apoyar en análisis exploratorios y pruebas de concepto con clientes.⸻requisitos técnicosindispensables•+4 años de experiencia como ml engineer, data scientist senior o rol similar.•dominio sólido de python para ml y backend.•experiencia práctica con machine learning en producción.•conocimiento de genai / llms y sistemas basados en ellos.•experiencia usando aws (s3, iam, ec2, sagemaker, dynamodb).•experiencia construyendo apis con fastapi o frameworks similares.•buen entendimiento de datos de crédito / financieros o fuerte interés en el dominio.muy deseables•experiencia con aws bedrock o plataformas similares de llms.•experiencia en rag, embeddings, vector stores y búsqueda semántica.•conocimiento de riesgo de crédito, underwriting, scoring o fraude.•experiencia con mlops, ci/cd y despliegues cloud.•experiencia trabajando en productos b2b saas o fintech.⸻perfil ideal•mentalidad de ingeniero de producto, no solo de investigación.•cómodo trabajando con ambigüedad y definiendo soluciones desde cero.•capaz de explicar decisiones técnicas a perfiles no técnicos.•interés genuino por sistemas agenticos, ia aplicada y toma de decisiones.•alto ownership: lo que construyes, lo operas.⸻qué ofrecemos•trabajar en una plataforma agentica real, usada por clientes reales.•exposición directa a problemas complejos de riesgo financiero.•mucha libertad técnica y capacidad de influir en arquitectura y producto.•crecimiento acelerado en genai, mlops y sistemas de decisión.•equipo pequeño, senior y enfocado en impacto.