Responsabilidades

construir la agenda de ia del dominio de negocio asignado junto con el centralizador de ia (owner/steward): identificar workflows candidatos a transformación, priorizar por valor e impacto operativo, mapear flujos as-is/to-be con enfoque de workflow transformation (no solo automatización), y documentar hipótesis de valor vinculadas a dolencias reales del dominio. Diseñar la arquitectura conceptual y agéntica de cada solución: grafos de agentes, tool use, function calling, mcp/a2 a (agent to agent), memory management (short-term, long-term, episodic), human-in-the-loop, guardrails, orquestación multi-modelo, y derechos de decisión autónoma vs. humana. Coordinar la viabilidad y ejecución técnica del fusion team, asegurando que la implementación se alinee con la solución conceptualizada y consuma exclusivamente los componentes de la plataforma autorizada de ia. Evaluar y seleccionar modelos fundacionales para cada caso de uso: benchmarking de llms, trade-offs costo/calidad/latencia, decisión de fine-tuning vs. Rag vs. prompt engineering, y validación de resultados con métricas de calidad (faithfulness, groundedness, relevancy). Asesorar a los dueños de negocio sobre las capacidades y limitaciones de las plataformas de ia disponibles, garantizando que el diseño sea realista, ejecutable y alineado al catálogo institucional. Atender los cuellos de botella operativos y las dependencias técnicas del fusion team, sirviendo como enlace principal para destrabar impedimentos con equipos de integraciones, datos, infraestructura y seguridad. Contribuir al directorio de capacidades del co e: publicar componentes, prompts,



agentes y patrones reutilizables en el registro institucional para evitar duplicidad entre las células de ia.

perfil deseado

arquitectura de agentes ia: diseño y orquestación de sistemas multi-agente avanzados (lang graph, crew ai, auto gen) y protocolos de interoperabilidad (mcp), dominando el uso de herramientas, memoria y flujos human-in-the-loop. Rag avanzado e integración de sistemas: implementación de estrategias complejas de recuperación de información (graph rag, búsqueda híbrida) y diseño api-first para conectar de forma ágil los modelos de ia con nuestros sistemas transaccionales y de negocio (blm). Seguridad, calidad y observabilidad (llmops): despliegue de modelos en producción garantizando su fiabilidad mediante evaluación rigurosa (ragas, deep eval) y blindaje arquitectónico contra vulnerabilidades (owasp, prompt injection). Visión de negocio y transformación de workflows: liderazgo para actuar como puente entre la ingeniería y los stakeholders, traduciendo necesidades operativas en soluciones técnicas y diseñando flujos de trabajo donde la ia actúa como un verdadero co-trabajador. Experiencia sólida y credenciales cloud: certificación obligatoria en ia/ml (aws, azure o gcp) respaldada por experiencia real llevando gen ai a producción (+1 año), arquitectura de soluciones empresariales (+2 años) e interacción directa con el negocio (+3 años). Inglés intermedio b2 ingeniería en desarrollo de software, sistemas computacionales, ciencias de la computación, matemáticas aplicadas, tecnologías de la información o carrera afín. #j-18808-ljbffr

📌 Lider técnico ia (Ciudad de México)
🏢 COPPEL
📍 Ciudad de México