Sobre el rol

Buscamos un Principal AI Engineer profundamente hands-on para construir y operar el AI harness con el que entrega software toda la organización de ingeniería. No es un rol de estrategia, gobernanza ni adopción: es un rol de construcción.

Tu trabajo es convertir agentes de IA en capacidad de entrega confiable y productiva — orquestados, instrumentados, evaluados y conectados al pipeline de CI/CD — y que otros ingenieros los adopten porque funcionan.

Responsabilidades

1. AI Harness & Agent Delivery Swarms

- Diseñar, construir y operar sistemas multi-agente en producción: orquestación, responsabilidades por agente, comunicación entre agentes y human-in-the-loop.
- Manejo de contexto y prompting como disciplina de ingeniería: context engineering, guardrails, tool-call validation, checkpointing, retry/fallback y recuperación ante fallas.
- Construir e integrar servidores y clientes MCP (Model Context Protocol) que expongan herramientas y sistemas internos a los agentes.

2. RAG y sistemas de conocimiento en producción

- Embeddings, vector databases, estrategias de chunking, re-ranking y grounding.
- Diseñar la recuperación pensando en la evaluación, no solo en el demo.

3. Evaluación y calidad de IA

- Implementar frameworks de evaluación (DeepEval, LangSmith, LangFuse, pydantic-evals, LLM-as-a-judge).
- Detección de alucinaciones, métricas de faithfulness, exactitud, latencia y costo por request.
- Quality gates para código producido por IA y por humanos; correcciones sistémicas tras defectos originados por IA.

4. Continuous Delivery & Change Management

- Conectar los cambios generados por agentes al pipeline: GitOps, canary, blue/green, rollout por fases, feature flags, rollback y control de blast radius.
- Testing automatizado y DevSecOps como parte del flujo agéntico.

5. Arquitectura y profundidad técnica

- Ser dueño de la arquitectura para entrega acelerada por IA: sistemas distribuidos, event-driven,



microservicios, diseño de APIs, cloud native, DDD/CQRS según aplique.
- Observabilidad end-to-end: OpenTelemetry, métricas, tracing, logging, SLI/SLO/SLA — incluyendo trazas de agentes y LLM.

6. Force multiplier

- Multiplicar la salida del equipo sin gestionarlo: mentoría técnica, construcción de herramientas y frameworks internos que otros adopten.
- Evaluar y aterrizar herramientas y modelos emergentes de IA en producción.

Requisitos

Imprescindibles

- Experiencia hands-on construyendo sistemas agénticos en producción (no POCs ni demos): orquestación, confiabilidad, guardrails y manejo de estado.
- Experiencia práctica con MCP — haber construido, integrado u operado servidores/clientes MCP y tool calling.
- RAG en producción: embeddings, vector store, retrieval, grounding y su evaluación.
- Experiencia real con al menos un framework de evaluación de LLM y capacidad de explicar cómo detectas alucinaciones y mides faithfulness.
- CI/CD de nivel profundo: canary, blue/green, GitOps, rollbacks, validación automatizada, métricas DORA.
- Cloud (AWS, Azure o GCP) y DevOps (Kubernetes, Terraform, ArgoCD, GitHub Actions/GitLab CI/Jenkins).
- Inglés avanzado (C1 ), conversacional y técnico — todo el proceso y la operación diaria con stakeholders son en inglés.
- Residencia en CDMX o Zona Metropolitana del Valle de México, con disponibilidad para en oficina diario en Mitikah.

Deseables

- LangGraph, CrewAI, AutoGen; Claude Code, Cursor; APIs de Anthropic, OpenAI o Gemini.
- Experiencia en platform engineering / Internal Developer Platforms y servicios compartidos.
- Evidencia cuantificada de adopción: ingenieros capacitados, reducción de costo de LLM, tokens optimizados, trazas capturadas.

Nota sobre años de experiencia: MCP fue anunciado en noviembre de 2024 y Claude Code se lanzó en febrero de 2025. No pedimos "3 o 5 años" en estas tecnologías — evaluamos profundidad de implementación, operación en producción y resultados medibles.

📌 Principal AI Engineer — AI-Native Software Delivery (Agentic AI · MCP · RAG) (Benito Juárez)
🏢 Solera Holdings
📍 Benito Juárez