AI Engineer — LLMs, RAG y agentes de ingeniería

Sobre la oportunidad

Esta vacante cubre la IA aplicada a la ingeniería en PhDsoft. El foco es convertir la IA en funcionalidad real de software de ingeniería, con recuperación de evidencias, RAG, Graph-RAG, agentes, catálogo de capacidades, evaluación de modelos, criterios de confianza y validación humana.

La persona trabajará en problemas de ingeniería aplicada, no solo en investigación abstracta. El objetivo es crear recursos de IA que ayuden a los ingenieros a consultar datos, interpretar documentos, activar capacidades del WDT, evaluar respuestas, reconocer límites y preservar la responsabilidad técnica.

Responsabilidades principales

• Desarrollar pipelines de IA aplicados al WDT, incluidos RAG, Graph-RAG, embeddings, bases vectoriales y recuperación de conocimiento.
• Diseñar agentes, tool/function calling, políticas de uso, memoria de contexto y un catálogo de capacidades con control de acceso.
• Crear evaluaciones, benchmarks, criterios de confianza, mecanismos de abstención y validación de respuestas.
• Integrar la IA con APIs, backend, documentos técnicos, simulaciones, inspecciones, sensores y flujos de ingeniería.
• Apoyar parsing, OCR, saneamiento del corpus técnico, versionamiento de fuentes y procedencia.
• Trabajar con ingenieros de dominio para convertir reglas técnicas, criterios de riesgo y evidencias en recursos utilizables.
• Documentar arquitectura, limitaciones, pruebas, resultados y criterios de aceptación.

Requisitos obligatorios

• Experiencia práctica con Python y con aplicaciones o pipelines de IA.
• Conocimiento de LLMs, APIs de modelos, embeddings, RAG y evaluación de respuestas.
• Capacidad para convertir modelos en servicios, integraciones o funcionalidades reales.
• Nociones de aprendizaje automático, procesamiento de documentos, recuperación de información e ingeniería de prompts.
• Atención a la trazabilidad, la seguridad, la validación humana y las limitaciones de los modelos.
• Capacidad para explicar decisiones técnicas a equipos de software e ingeniería.

Diferenciales

• Experiencia con Graph-RAG, grafos de conocimiento, agentes, tool/function calling, MCP o bases vectoriales.
• Conocimiento de MLOps, serving, observabilidad, benchmarks y pruebas A/B.
• Experiencia en ingeniería, simulación, documentos técnicos, FEA, BIM, geotecnia, naval o gestión de activos.
• Experiencia con visión por computadora, multimodalidad, OCR o análisis de imágenes de inspección.

Tecnologías y herramientas relacionadas

Python, APIs de LLM, RAG, Graph-RAG, embeddings, bases vectoriales, evaluaciones, agentes, tool/function calling, OCR/parsing y APIs.

Perfil que buscamos

Buscamos una persona pragmática, rigurosa y curiosa, capaz de construir IA que ayude a profesionales técnicos sin sustituir la validación humana. Debe interesarle medir la calidad, reconocer incertidumbres y convertir prototipos en producto.

Proceso de candidatura

Para postularse, envíe los siguientes materiales:

¿Cómo utiliza actualmente las herramientas de Inteligencia Artificial en su flujo de trabajo profesional? Indique las herramientas, ejemplos de actividades y explique cómo valida los resultados producidos con ayuda de IA.

La información adicional puede incluir LinkedIn, GitHub, Behance, Google Scholar, artículos, publicaciones, sitios web, demostraciones, aplicaciones u otros enlaces relevantes para la función.

• Currículo actualizado, con formación, experiencia profesional, proyectos principales, tecnologías utilizadas y responsabilidades ejercidas.
• Portafolio con ejemplos concretos de trabajos anteriores. En software, pueden ser GitHub, aplicaciones, sistemas, APIs, interfaces o proyectos demostrables. En ingeniería, pueden ser modelos, simulaciones, informes, análisis, publicaciones o trabajos técnicos que puedan divulgarse. Los proyectos confidenciales pueden presentarse de forma anonimizada.
• Vídeo de presentación de hasta 5 minutos, que muestre brevemente un proyecto o portafolio, el problema resuelto, su participación, las tecnologías utilizadas, el flujo de trabajo, las herramientas cotidianas, el uso de Inteligencia Artificial y cómo valida los resultados producidos con apoyo de IA.