Keyloop cierra la brecha entre concesionarios, fabricantes, proveedores de tecnología y compradores de automóviles. Empodera a los concesionarios y fabricantes de automóviles para que adopten por completo la transformación digital. Utiliza tecnología de vanguardia para vincular los sistemas, departamentos y sitios de los clientes. Ofrece una plataforma tecnológica abierta que está dando forma a la industria para el futuro.

¿Quieres ser parte de ella? Se está contratando a un Ingeniero Senior de IA para unirse al creciente Centro de Excelencia en IA. Este es un puesto técnico práctico que abarca IA generativa (GenAI), aprendizaje automático tradicional y ciencia de datos en etapa temprana. Desempeñarás un papel fundamental en la entrega de soluciones de IA de alto impacto, estableciendo las mejores prácticas y apoyando el desarrollo de las capacidades de IA en toda la empresa. Trabajarás en todo el ciclo de vida de la IA, desde el prototipo hasta la producción, y contribuirás al desarrollo de la plataforma, la infraestructura MLOps/LLMOps y la ciencia de datos aplicada.

Esta es una oportunidad única para tener un impacto directo en la dirección de la IA dentro de Keyloop.

Responsabilidades:

• Desarrollar e implementar soluciones de IA generativa (GenAI) y aprendizaje automático tradicional (ML).
  
• Trabajar en todas las fases del ciclo de vida de la IA, desde la investigación y prototipado hasta la producción.
  
• Contribuir al desarrollo de la plataforma tecnológica de IA.
  
• Colaborar en la creación y optimización de infraestructuras MLOps/LLMOps.
  
• Establecer las mejores prácticas y guiar a los equipos en la aplicación de IA en toda la empresa.
  
• Trabajar con otros ingenieros y gerentes de producto para garantizar el cumplimiento de los estándares y las mejores prácticas en el desarrollo de soluciones de IA.
  

Requisitos:

• Experiencia comprobada en el desarrollo e implementación de soluciones GenAI (LLM, RAG, agentes).
  
• Habilidades en Python y conocimiento práctico de las herramientas LLM (LangChain, Transformers, etc.).
  
• Experiencia con flujos de trabajo de ML tradicionales, desde la ingeniería de características hasta la implementación.
  
• Exposición a prácticas de MLOps/LLMOps (por ejemplo, CI/CD para ML, monitoreo, registro de modelos).
  
• Familiaridad con métodos estadísticos y experimentación (pruebas A/B, modelado de elevación).
  
• Conocimiento práctico de la infraestructura nativa de la nube (preferiblemente AWS).
  
• Capacidad para escribir código limpio de grado de producción y colaborar con ingenieros y gerentes de producto.