Se busca un profesional para diseñar e implementar agentes de IA autónomos capaces de manejar consultas científicas de múltiples pasos. El enfoque se centra en aplicaciones, integrando datos clínicos y literatura científica, garantizando seguridad y precisión en la ejecución de tareas complejas de investigación.

Responsabilidades:

• Diseñar e implementar agentes de IA autónomos utilizando marcos como LangGraph, CrewAI o AutoGen.
  
• Desarrollar bucles de razonamiento (por ejemplo, ReAct, Plan-and-Execute) que permitan a los agentes descomponer objetivos de investigación en subtareas ejecutables.
  
• Construir y optimizar pipelines RAG que integren datos clínicos estructurados y literatura científica.
  
• Crear y mantener herramientas para agentes de IA, permitiendo la interacción segura con API federadas de Lifebit, bases de datos SQL y motores de ejecución bioinformática.
  
• Implementar capacidades de intérprete de código seguras y aisladas para ejecutar código Python o R destinado a visualización de datos y análisis estadístico.
  
• Ajustar modelos LLM para mejorar la precisión en llamadas a funciones específicas y el uso de herramientas.
  
• Desarrollar marcos de evaluación que midan el rendimiento, la veracidad y la seguridad de los agentes en contextos clínicos.
  
• Trabajar con equipos de seguridad para asegurar que los agentes operen dentro de límites estrictos de privacidad de datos, evitando fugas o accesos no autorizados.
  
• Colaborar con equipos de producto y UX para diseñar interfaces intuitivas que permitan interactuar con sistemas de agentes.
  
• Escalar cargas de trabajo de agentes en producción utilizando Kubernetes.
  

Requisitos:

• Licenciatura o Máster en Informática, Inteligencia Artificial, Aprendizaje Automático o campo cuantitativo, se valora doctorado.
  
• Más de 2 años en ingeniería de IA o ML, desarrollando productos validados, preferiblemente en biotecnología, tecnología sanitaria o SaaS centrado en producto.
  
• Dominio de Python, TypeScript y marcos de ML como Langfuse, PyTorch, TensorFlow, JAX o Scikit-learn.
  
• Trabajo con modelos de lenguaje, incluyendo ajuste de arquitecturas RAG.
  
• Familiaridad con AWS, Azure o GCP y experiencia desplegando modelos en Docker/Kubernetes.
  
• Se valora experiencia con datos biológicos, genómicos o clínicos.