Estamos innovando la logística y esto lo hemos logrado gracias a un equipo de personas visionarias, con ganas de crecer y cambiar el mundo.
En Skydropx encontrarás un espacio para desarrollar tu carrera dentro de un ambiente laboral dinámico, ambicioso y multicultural.
En Skydropx estamos integrando IA al corazón de nuestra plataforma de logística para LATAM. Trabajamos a escala multi-tenant, con cientos de miles de envíos al mes, y con decisiones que tienen consecuencias monetarias reales: dinero, tiempos de entrega, y la confianza de miles de merchants.
No estamos construyendo demos ni un chatbot genérico. Estamos construyendo sistemas de IA que toman o asisten decisiones operativas reales, con los niveles de rigor, evaluación y seguridad que eso exige.
Como Applied AI Engineer, serás responsable del corazón técnico de esta iniciativa: desde el diseño de pipelines de datos y modelos, hasta la orquestación de agentes con LLMs, pasando por sistemas de evaluación y las decisiones de qué tipo de solución (LLM, modelo clásico, regla determinística) es la correcta para cada problema.
En Skydropx creemos que la IA y los humanos hacen mejor su trabajo cuando cada uno hace lo que mejor sabe hacer. Le dejamos a la IA lo repetitivo, lo que escala mal con esfuerzo humano, y lo que requiere procesar mucha información rápido. Le dejamos a las personas las decisiones que requieren criterio, contexto y responsabilidad. Diseñamos nuestros sistemas con esa división en mente — y queremos a alguien que comparta esta filosofía.
Diseñar y construir sistemas de IA en producción que resuelven problemas reales de negocio, end-to-end: desde discovery hasta operación.
Trabajar con producto y operaciones para traducir problemas ambiguos en soluciones acotadas, medibles y mantenibles.
Construir pipelines de datos que alimentan tanto modelos como superficies de producto.
Diseñar sistemas de evaluación rigurosos: cómo medimos calidad, cómo detectamos regresiones, cómo decidimos cuándo algo está listo para shippear.
Integrar LLMs en producción con todos los retos que eso implica: prompt engineering serio, tool use, manejo de costos y latencia, control de calidad de outputs.
Tomar decisiones técnicas sobre qué tipo de solución aplicar a cada problema. No todo necesita un LLM, no todo necesita ML, y parte del rol es saber distinguir.
Diseñar e implementar las salvaguardas de seguridad del sistema: límites de autonomía, aprobaciones humanas, aislamiento entre clientes, auditoría.
Colaborar con el equipo de backend para definir contratos e integraciones limpias entre servicios.
Mentorear a otros ingenieros en prácticas de IA aplicada conforme el equipo crezca (responsabilidad creciente con el nivel de seniority).
Inglés B2 o superior.
+6 años de experiencia total, con más de 3 años trabajando en sistemas de ML/IA en entornos productivos.
+4 años de experiencia en ingeniería de software, incluyendo al menos 2 años desarrollando y manteniendo sistemas de Machine Learning o IA en producción (más allá de notebooks o pruebas de concepto).
Experiencia práctica construyendo sistemas con LLMs en producción: prompt engineering serio, function calling / tool use, RAG, manejo de costos y latencia, evaluación de outputs.
Sólido conocimiento de al menos un lenguaje fuerte para sistemas de IA — Python es el más común, pero también consideramos perfiles fuertes en Go, Rust o TypeScript/Node siempre que tengas experiencia construyendo sistemas de ML/IA productivos en ese stack.
Experiencia con al menos un framework de ML (PyTorch, scikit-learn, JAX, o equivalente).
Capacidad de tomar un problema de producto ambiguo y traducirlo en un sistema de IA acotado, medible y mantenible.
Mentalidad de evaluación primero: sabes que un sistema de IA sin métricas no es un sistema, es una apuesta.
Experiencia diseñando pipelines de datos a escala (sistemas de mensajería event-driven, procesamiento batch, o equivalente).
Has liderado al menos un sistema de IA end-to-end en producción, desde discovery hasta operación.
Experiencia con observabilidad de sistemas de IA: tracing distribuido, métricas de calidad, detección de drift.
Capacidad demostrada para influir en decisiones arquitectónicas que cruzan equipos.
Experiencia evaluando y eligiendo entre modelos, proveedores, y arquitecturas (cuándo fine-tuning vs prompting vs modelo clásico, cuándo un proveedor comercial vs open source, cuándo agentes vs pipelines).
Mentoría formal de otros ingenieros de IA y definición de prácticas de equipo.
Capacidad para comunicar trade-offs técnicos a audiencias técnicas y no técnicas, en español e inglés.
A considerar:
Experiencia con Ruby on Rails — parte de nuestro stack convive con backend en Rails, y poder leer/escribir código del backend acelera tu trabajo.
Experiencia profunda con APIs de algún proveedor comercial de LLMs en producción.
Experiencia construyendo agentes con tool-use loops en producción (no solo demos).
Experiencia con sistemas multi-tenant y los trade-offs de seguridad asociados.
Experiencia en logística, fintech, o cualquier dominio donde las decisiones de la IA tienen consecuencias monetarias o legales — donde "alucinar" no es una opción aceptable.
Contribuciones a proyectos open source de IA/ML.
Experiencia con cloud providers (GCP, AWS, Azure) y herramientas de contenerización (Docker, Kubernetes).
Experiencia con sistemas de mensajería event-driven (Kafka, Pub/Sub, o similar).
Misión a nivel regional: lograr que los negocios de LATAM se despreocupen de su logística.
Ubicación: Argentina, Colombia, México, Venezuela, Panamá, Perú.
Salario: Competitivo y negociable según experiencia, habilidades y resultados del proceso de contratación.
Esquema: 100% remoto.
Horario: Lunes a Viernes 8:00 a 17:00 CST (México).
Con flexibilidad de horario cuando haya nuevos releases.
Crecimiento y desarrollo profesional.
¡Te invitamos a aceptar el reto! Para aplicar en la vacante, postúlate por este medio y estaremos encantados de lograr nuestros objetivos junto a ti.
Si tu perfil hace match con los requerimientos de la vacante, nuestro equipo de reclutamiento estará en contacto contigo.