AI Engineer

Koltin; United States; Remote; USD 150,000 - 210,000; Full time

Job summary

Koltin busca un Senior Software Engineer - Agents & LLMs para diseñar e implementar soluciones con modelos de lenguaje y agentes. Trabajarás con producto, datos y otros ingenieros para decidir qué construir, comprar o ensamblar, y llevarlo a producción.

El rol generalista con especialidad en modelos T te moverás por todo el stack, enfatizando LLMs y agentes, con responsabilidad de entregar soluciones seguras y escalables a nuestros usuarios.

Qualifications

• Manejar LLMs en producción y efectos en usuarios reales.
• Experiencia en orquestación de agentes y llamadas a herramientas.
• Observabilidad de LLMs: trazas, latencia y costos.
• Diseño y validación de prompts, versionado de prompts y pruebas.
• Español nativo o fluido, inglés profesional.

Responsibilities

• Desplegar agentes en producción y gestionar su orquestación entre canales (WhatsApp y otros futuros).
• Mantener y mejorar la calidad con evaluaciones y criterios de aceptación previos al lanzamiento.
• Construir y mantener la plataforma de LLMs que soporte otros equipos.
• Garantizar seguridad en un entorno regulado, con guardrails y manejo de PII.
• Trabajar end-to-end de un problema a producción, gestionando riesgos y decisiones.

Job description

About us

At Koltin, we’re redesigning the way we care for our moms, dads, and grandparents to help them remain healthy and independent for as long as possible.

How do we do it? Through our health memberships, which provide personalized, preventive care to support our members’ long-term well-being.

We are the first company in Mexico offering health memberships that include major medical insurance coverage for older adults-up to 84 years old-backed by BBVA Seguros Salud.

Sobre el rol

Buscamos a nuestro primer(a) Senior Software Engineer - Agents & LLMs. Nuestros miembros nos escriben decenas de miles de veces al mes, muchas veces con miedo, enojo o una historia detrás de la pregunta. Vas a poner agentes en producción para atenderlos, en un dominio donde la respuesta que suena bien y está mal es el peor error posible.

Lo que construyas se vuelve la base de cómo toda la empresa construye con LLMs. Trabajas con producto, data y otros ingenieros, y decides qué construimos, qué compramos y qué ensamblamos.

Generalista con una especialidad fuerte (modelo T): te mueves por todo el stack, con inclinación a LLMs y agentes.

Lo que harás

• Agentes en producción. Orquestación, tool calling contra nuestros sistemas y el contexto del miembro armado desde múltiples fuentes, sobre WhatsApp y los canales que vengan.
• La barra de calidad. Evals sobre casos reales y criterios de aceptación definidos antes de lanzar.
• La plataforma. Observabilidad de LLMs (trazas, costo, latencia, calidad), evals como infraestructura, acceso a modelos agnóstico de proveedor y versionado de prompts, para que otros equipos no empiecen de cero.
• Seguridad en un entorno regulado. Guardrails, PII, verificación de identidad y human-in-the-loop donde el riesgo lo pide.
• Proyectos de punta a punta. Vas por el problema detrás del pedido, lo partes en fases y lo llevas a producción con visibilidad de riesgos y decisiones.
• Subir la vara. ADRs, review, pairing y patrones que otros equipos reusan.

Lo que buscamos

Contratamos por fundamentos, modelos mentales y patrones. El stack se aprende.

• Debe contar con un recorrido de al menos 5 años en el ciclo completo de desarrollo.
• Haber llevado LLMs en producción, con al menos un sistema frente a usuarios reales que operaste después del lanzamiento.
• Tool calling en serio. Diseñaste las tools y sabes qué hacer cuando el modelo llama la equivocada o con los argumentos equivocados.
• Evals en serio. Datasets de casos reales, LLM-as-judge calibrado contra humanos, regresiones antes de cada cambio de prompt o modelo.
• Datos sensibles en producción: PII, retención, acuerdos de procesamiento con proveedores.
• Español nativo o fluido, inglés profesional.

Suma puntos

• Context engineering: compactación, memoria, context provisioning vía tools.
• Retrieval agéntico y servidores MCP, más allá de RAG sobre embeddings.
• Seguridad de agentes: prompt injection directa e indirecta, permisos mínimos por tool, red-teaming.
• Multi-agente, subagentes y ejecución durable.
• Costo y latencia: prompt caching, routing entre modelos, structured outputs.
• Evals online: shadow mode, A/B entre prompts o modelos, feedback humano que vuelve al dataset.
• WhatsApp, voz, salud o seguros.

Cómo trabajamos

• Usamos IA para todo, y eres dueño(a) de lo que llega a producción.
• Self-merge por defecto, con CI, tipos y pruebas como bloqueo. Las decisiones de arquitectura viven en ADRs, y ahí enfocamos el review.
• Ingeniería se sienta con producto, data y operaciones.

Qué NO es este rol

• Investigación o fine-tuning: construimos sobre modelos de frontera.
• Demos: lo que cuenta es lo que se sostiene en producción, medido.

Proceso de selección

1. Revisión de CV
2. Entrevista con People (15 min)
3. Entrevista con Producto (45 min)
4. Entrevista técnica y live coding con el equipo (1 hora)
5. Entrevista Hiring Manager (45 min)
6. Cierre con Founders (30 min)

Cuidamos el tiempo de las personas: te damos retroalimentación en cada etapa y buscamos cerrar el proceso en pocas semanas.