Software Engineer - Evals for Agents

Mercado Libre; United States; Hybrid; USD 2,100 - 3,500; Full time

Job summary

Mercado Libre busca un Backend Software Engineer para diseñar y escalar sistemas innovadores y seguros que resuelvan problemas reales de alto impacto. Trabajarás en un entorno dinámico con tecnología de vanguardia, aplicando buenas prácticas de ingeniería, IA generativa y aprendizaje continuo para democratizar el comercio electrónico y los servicios financieros en América Latina.

Colaborarás con equipos de producto y tecnología para traducir necesidades en soluciones de alto impacto, mantener la

Qualifications

• Conocimientos en arquitectura de microservicios y sistemas distribuidos
• Experiencia en Go y/o Python, diseño de APIs REST
• Conocimientos de bases de datos relacionales y no relacionales
• Familiaridad con LLMs y APIs de IA (GPT, Gemini, Claude)

Responsibilities

• Evolucionar y mantener la plataforma de evaluación de agentes y desarrollar capabilities para entender la salud de los agentes en producción.
• Crear herramientas de experimentación offline y replay de conversaciones.
• Mejorar continuamente los agentes: selección de modelos por calidad y costo, ajustes de prompts, tools y flujos conversacionales.
• Hacer que la plataforma sea fácil de adoptar: APIs, CLI e integraciones con herramientas de IA.

Job description

Descripción breve

Como Software Engineer Backend en Mercado Libre, diseñarás y escalarás sistemas innovadores y seguros que resuelven problemas reales y de alto impacto. Trabajarás en un entorno dinámico con tecnología de vanguardia, aplicando buenas prácticas de ingeniería, modelos de IA propios y aprendizaje continuo, con el propósito de democratizar el comercio electrónico y los servicios financieros en América Latina.

Imagináte emprendiendo proyectos desafiantes, dinámicos e innovadores y siendo responsable de:

• Evolucionar y mantener la plataforma de evaluación de agentes (online y offline evals) que usan los equipos de MELI que construyen agentes y desarrollar capabilities para entender la salud de los agentes en producción: métricas de calidad, detección de regresiones, observabilidad y alertas.
  Construir herramientas de experimentación offline: replay de conversaciones reales, usuarios simulados y comparación de versiones de modelos, prompts y configuraciones.


• Crear el ciclo de mejora continua de agentes para transformar los resultados de las evaluaciones en mejoras accionables para los equipos dueños de los agentes: selección de modelos por calidad y costo, ajustes de prompts, tools y flujos conversacionales.


• Hacer que la plataforma sea simple de adoptar: APIs, CLI e integraciones con herramientas de desarrollo asistido por IA (Skills, MCPs).


• Colaborar con equipos de producto, negocio y tecnología para traducir necesidades concretas en soluciones de impacto.


• Mantenerse actualizado/a sobre tendencias, modelos y buenas prácticas del ecosistema de IA generativa y evaluación de agentes, en un contexto de evolución constante.

¿Qué buscamos en vos?

• Poseer conocimiento sobre arquitectura de microservicios y contar con experiencia con sistemas distribuidos y procesamiento asíncrono (colas de mensajes, retry patterns, idempotency).


• Poseer conocimientos sólidos en Go y/o Python, y capacidad de aprender otros, así como tener conocimiento de diseño de APIs, RESTful y buenas prácticas de desarrollo (SOLID, clean architecture, design patterns, etc).


• Poseer conocimiento de bases de datos relacionales y no relacionales.


• Estar familiarizado con LLMs y sus APIs (GPT, Gemini, Claude u otros)


• Es un plus tener experiencia con frameworks de evaluación, LLM-as-judge u observabilidad de sistemas con LLMs, haber trabajado con plataformas de IA y/o desarrollo de agentes y tener conocimientos de análisis de datos y estadística aplicada (SQL, BigQuery, diseño de experimentos).

¿Te animás a dejar huella en la tecnología de América Latina?
¡Postulate y sumate a nuestro propósito!

Modalidad de trabajo híbrido. Site Buenos Aires, Argentina