Funciones y responsabilidades

El puesto se centra en construir y mejorar agentes que ya fueron diseñados por el equipo senior.

1. Desarrollar agentes de IA en Python usando las APIs de modelos de lenguaje (Claude, OpenAI, Gemini u otros).
2. Conectar los agentes con herramientas y sistemas de la empresa: APIs internas, bases de datos, documentos y aplicaciones.
3. Implementar búsqueda sobre documentos de la empresa para que el agente responda con información propia (técnica RAG).
4. Redactar y ajustar las instrucciones (prompts) que guían el comportamiento de los agentes.
5. Probar los agentes con casos reales y medir su calidad: respuestas correctas, errores, tiempos y costos.
6. Corregir fallas y mejorar el desempeño de los agentes en producción.
7. Documentar el código, las configuraciones y los resultados de las pruebas.
8. Participar en revisiones de código y reuniones del equipo de desarrollo.
9. Mantenerse actualizado en herramientas y prácticas de IA agéntica, un campo que cambia cada pocos meses.

Requisitos técnicos obligatorios

El candidato debe demostrar conocimiento práctico en estos puntos, idealmente con proyectos que pueda mostrar.

- Python: Escribir código limpio, manejar librerías, entornos virtuales y llamadas a APIs
- APIs de modelos de lenguaje (LLMs): Usar las APIs de Claude, OpenAI o Gemini; manejar prompts, function calling / tool use y salidas en JSON
- Conceptos de agentes de IA: Entender el ciclo razonar → usar herramienta → observar resultado, la memoria y el manejo de contexto
- Frameworks de agentes (al menos uno): LangGraph, LangChain, CrewAI, OpenAI Agents SDK, Claude Agent SDK o similares




- RAG (búsqueda sobre documentos): Embeddings, bases de datos vectoriales (pgvector, Pinecone, Chroma) y división de documentos en fragmentos
- Git: Ramas, commits, pull requests y trabajo en equipo con GitHub o GitLab
- APIs REST: Crear y consumir servicios web, idealmente con FastAPI o Flask
- SQL y bases de datos: Consultas básicas en PostgreSQL, MySQL o similar
- Inglés técnico: Leer documentación técnica en inglés

Requisitos deseables

No son excluyentes, pero suman puntos en la evaluación.

- MCP (Model Context Protocol): estándar presente para conectar agentes con herramientas y fuentes de datos.
- Sistemas multi-agente: varios agentes que se coordinan o se reparten una tarea.
- Evaluación y observabilidad de agentes: herramientas como LangSmith, Langfuse o similares para medir y monitorear calidad.
- Docker: empaquetar aplicaciones en contenedores.
- Nube: experiencia básica en AWS, Azure o Google Cloud, incluidos sus servicios de IA (Bedrock, Azure OpenAI, Vertex AI).
- TypeScript / Node.js: segundo lenguaje usado en el ecosistema de agentes.
- Seguridad en IA: nociones de prompt injection, control de permisos de herramientas y protección de datos sensibles.
- Costos y rendimiento: optimizar el consumo de tokens,



la latencia y el costo por consulta.
- Certificaciones: en nube o IA (por ejemplo AWS, Azure AI, Google Cloud), o cursos reconocidos en LLMs y agentes.

Formación y experiencia

En este campo los proyectos demostrables pesan más que los años, porque la IA agéntica tiene muy poco tiempo en el mercado.

Formación académica

- Egresado o bachiller en Ingeniería de Sistemas, Ingeniería de Software, Ciencias de la Computación, Ingeniería Informática o carreras afines.
- También se aceptan perfiles de bootcamps o formación autodidacta si presentan proyectos sólidos.

Experiencia

- 0 a 2 años de experiencia como desarrollador (backend, datos o similar). Prácticas profesionales cuentan.
- Al menos 1 o 2 proyectos con LLMs o agentes de IA que pueda mostrar: repositorio en GitHub, portafolio, proyecto de tesis o trabajo previo.
- Valorable: haber puesto en uso real alguna aplicación con IA, aunque sea un proyecto pequeño o interno.

Competencias blandas

- Aprendizaje rápido y autónomo: las herramientas de IA cambian cada pocos meses.
- Pensamiento analítico: descomponer un proceso del negocio en pasos que un agente pueda ejecutar.
- Comunicación clara: explicar a usuarios no técnicos qué hace el agente y cuáles son sus límites.
- Trabajo en equipo y apertura a la retroalimentación: trabajará bajo supervisión y con revisiones de código.
- Criterio y responsabilidad: detectar cuándo un agente se equivoca o inventa información, y reportarlo.
- Curiosidad por experimentar: probar enfoques distintos y documentar qué funcionó y qué no.

📌 Desarrollador de IA Agéntica (Lima)
🏢 Vooxell
📍 Lima