AI Software Engineer - Sector Bancario - Financiero

KSR Global; San Isidro; On-site; PEN 60,000 - 90,000; Full time

Job summary

KSR Global busca un/a AI Software Engineer para convertir capacidades de IA en componentes listos para producción: empaquetar APIs/SDKs, asegurar contratos y versionado, e integrar con los sistemas de la organización. El rol se centra en estructurar la llamada a modelos con latencia controlada y costos gestionables, manteniendo observabilidad y operabilidad por equipos consumidores.

Se trabajará con Azure AI y servicios internos, aplicando pruebas, buenas prácticas de arquitectura y despliegue

Responsibilities

• Empaquetar componentes de IA como APIs y SDKs versionados con contratos claros.
• Aislar la capa de modelos e inferencia para no afectar al consumidor (ports & adapters).
• Implementar llamadas asíncronas, streaming y manejo de rate limits en IA.
• Desarrollar conectores hacia APIs internas y Azure AI con autenticación y permisos.
• Mantener calidad de código con pruebas, TDD, code reviews y mocks de IA.
• Asegurar logs, trazas, métricas y control de costos y latencia.
• Diseñar componentes reutilizables y patrones de arquitectura limpia.
• Promover estándares de desarrollo de software para IA y despliegue seguro.

Job description

Importante empresa del sector financiero se encuentra en búsqueda de un/a AI Software Engineer para llevar las capacidades de un agente a producción: empaquetar componentes agénticos como APIs y SDKs versionados, integrarlos con los sistemas y canales de la organización, y estructurar el código que sostiene la llamada a modelos con latencia, costo y confiabilidad bajo control. El rol entrega componentes de IA listos para producción —probados, observables y operables de forma autónoma por los equipos que los consumen— y está enfocado en construir e integrar soluciones de IA.

Funciones

• Empaquetar los componentes agénticos como APIs y SDKs versionados, con contratos claros, versionado semántico y retrocompatibilidad.
• Estructurar el código aislando la capa de modelos e inferencia del dominio (ports & adapters), de modo que un cambio de modelo o proveedor no impacte al consumidor.
• Implementar los patrones propios de la integración con servicios de IA: llamadas asíncronas y streaming, caching semántico, manejo de rate limits, timeouts, retries con backoff, fallback entre modelos y control de costo por request.
• Desarrollar conectores hacia APIs internas, data sources y servicios de Azure AI, resolviendo autenticación, permisos y contratos de servicio.
• Sostener la calidad del código: pruebas unitarias, de integración y de contrato con mockeo de servicios de IA para lograr tests deterministas; clean architecture, SOLID, patrones de diseño y TDD; code reviews, con revisión explícita del código generado por asistentes de IA antes de que entre al repositorio.
• Hacer operable cada componente: logging estructurado, trazas y métricas de latencia, tokens y costo; resiliencia con circuit breaker, límites de ejecución del agente (iteraciones, tiempo, costo) y degradación controlada; feature flags, despliegue progresivo y rollback; documentación operativa que permita integrar y operar el componente de forma autónoma.
• Construir componentes reutilizables (ej. módulos de memoria) que sirvan en múltiples aplicaciones con el mínimo esfuerzo.
• Diseñar bajo un enfoque agnóstico y multinube, hoy operando sobre servicios de IA en Azure, de modo que la solución sea portable entre proveedores.
• Difundir estándares y buenas prácticas de construcción de software para IA dentro de la organización.