Funciones y responsabilidades

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

- Desarrollar agentes de IA en Python usando las APIs de modelos de lenguaje (Claude, OpenAI, Gemini u otros).

- Conectar los agentes con herramientas y sistemas de la empresa: APIs internas, bases de datos, documentos y aplicaciones.

- Implementar búsqueda sobre documentos de la empresa para que el agente responda con información propia (técnica RAG).

- Redactar y ajustar las instrucciones (prompts) que guían el comportamiento de los agentes.

- Probar los agentes con casos reales y medir su calidad: respuestas correctas, errores, tiempos y costos.

- Corregir fallas y mejorar el desempeño de los agentes en producción.

- Documentar el código, las configuraciones y los resultados de las pruebas.

- Participar en revisiones de código y reuniones del equipo de desarrollo.

- 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 actual 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 ágil 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.

#J-18808-Ljbffr

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