Ingeniero/A De Software - Ia Generativa Y Sistemas Agénticos (Remoto 100%)
- Discuss this with your agent
- Open in Claude
- Open in ChatGPT
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Role details
Tech stack
+18 more
Job description
Nos presentamos¿Qué buscamos?EnInvox Medicalconstruimos productos de voz e IA para el sector salud con una misión clara:devolver el tiempo a los profesionales sanitarios para que puedan dedicarlo a sus pacientes.Nuestra suite -Invox Genesis, Invox Dictation e Invox Aura- trabaja con información clínica real y exige el máximo nivel de calidad, seguridad y trazabilidad. Estamos ampliando esta plataforma con sistemas agénticos capaces de entender contexto, utilizar herramientas y ejecutar workflows clínicos de principio a fin.Sobre la posición: diseñar y construir agentes en producciónBuscamos un/aIngeniero/a de Software especializado/a en IA Generativapara convertir casos de uso clínicos en agentes fiables, medibles y mantenibles.No buscamos prototipos que solo respondan a un prompt. Buscamos a alguien capaz de diseñar elruntime completo de un agente: estado, memoria, herramientas, planificación, ejecución, recuperación ante fallos, intervención humana y evaluación continua. Trabajarás desde la arquitectura del grafo hasta el despliegue y la operación en producción, aplicando ingeniería de software rigurosa a sistemas no deterministas.Tus retos principalesDiseño del runtime agéntico:Diseñarás y construirás grafos conLangGraph-nodos, routing, loops, paralelismo, streaming, interrupts y subgrafos- para resolver workflows clínicos reales, no únicamente cadenas lineales.Estado, memoria y control:Modelarás estado tipado y persistente, memoria de sesión y memoria de largo plazo, checkpointers, reanudación de ejecuciones, idempotencia, timeouts, retries y límites de coste.Tool use y autonomía segura:Diseñarás contratos de herramientas, structured outputs y tool calling; integrarás APIs y fuentes clínicas con permisos, validación, sandboxing yhuman-in-the-loopcuando el riesgo lo requiera.RAG y conocimiento clínico:Construirás retrieval híbrido, reranking, filtros por tenant, Graph-RAG y estrategias de grounding sobre conocimiento médico, incluyendo bases vectoriales y grafos cuando aporten valor.Modelos y routing:Seleccionarás y combinarás modelos según calidad, latencia, coste, privacidad y disponibilidad; trabajarás con proveedores comoAWS Bedrocky otras APIs de modelos sin acoplar la arquitectura a uno solo.Observabilidad y evaluación:Instrumentarás cada ejecución para conocer decisiones, herramientas, tokens, coste, latencia y errores. Crearás datasets y evals de regresión para medir fidelidad médica, groundedness, seguridad y calidad de tool use antes de promover cambios.Producción e integración:Implementarás el core enPythony las integraciones de plataforma enTypeScript, desplegando servicios robustos en AWS y, cuando el proyecto lo exija, en entornos contenerizados u on-premise.Lo que necesitas para triunfarExperiencia construyendo agentes:Has llevado a producción agentes o workflows multi-step con ciclos, routing, uso de herramientas, estado persistente y manejo explícito de fallos.LangGraph como herramienta de arquitectura:Sabes modelar StateGraphs, nodos, edges, subgrafos, checkpointers, interrupciones y reanudación; entiendes cuándo usar LangGraph, código propio u otra abstracción y puedes justificar la decisión.Python sólido y TypeScript práctico:Dominas Python asíncrono, tipado, testing y diseño de servicios; puedes desarrollar integraciones y APIs mantenibles en TypeScript.Ingeniería de producción:Experiencia con APIs, colas o eventos, concurrencia, idempotencia, seguridad, CI/CD, Docker y despliegues en AWS. Sabes operar sistemas con requisitos de latencia y disponibilidad.Evaluación y observabilidad de LLMs:Has trabajado con trazas y métricas de LLM/agent (por ejemplo, OpenTelemetry, Arize Phoenix, Langfuse, LangSmith o Datadog) y con evals basadas en datasets (por ejemplo, Ragas o DeepEval).Tool calling y salidas estructuradas:Diseñas esquemas, validas respuestas del modelo y controlas permisos, errores, reintentos y efectos secundarios de las herramientas.RAG aplicado:Entiendes chunking, embeddings, búsqueda híbrida, reranking, filtros de seguridad y evaluación de retrieval; puedes trabajar con bases vectoriales y conocimiento estructurado.Rigor para el entorno sanitario:Te importan la trazabilidad, la privacidad, la reproducibilidad y la seguridad de las decisiones asistidas por IA.Te diferenciarás si tienesExperiencia conmemoria de largo plazo, checkpointers y sistemashuman-in-the-looppara agentes; conocimiento de patrones o herramientas comomem0o equivalentes.Experiencia conGraph-RAG, knowledge graphs,Neo4j/Cyphero modelado de terminologías clínicas.Conocimiento de protocolos y ecosistemas de interoperabilidad de herramientas para agentes, comoMCP, y de arquitecturas multi-agente cuando aporten valor real.Experiencia optimizando coste y latencia mediante model routing, caching, batching, compresión de contexto, modelos pequeños o modelos open source.Experiencia conTerraform/AWS CDK, Kubernetes, SageMaker, FastAPI, Pydantic, Redis, PostgreSQL o bases vectoriales en producción.Familiaridad con terminologías sanitarias y estándares comoCIE-10,SNOMED CTo HL7/FHIR.¿Por qué trabajar con nosotros?#J-*****-Ljbffr
Requirements
nodos, routing, loops, paralelismo, streaming, interrupts y subgrafos- para resolver workflows clínicos reales, no únicamente cadenas lineales. Estado, memoria y control: Modelarás estado tipado y persistente, memoria de sesión y memoria de largo plazo, checkpointers, reanudación de ejecuciones, idempotencia, timeouts, retries y límites de coste. Tool use y autonomía segura: Diseñarás contratos de herramientas, structured outputs y tool calling; integrarás APIs y fuentes clínicas con permisos, validación, sandboxing y human-in-the-loop cuando el riesgo lo requiera. RAG y conocimiento clínico: Construirás retrieval híbrido, reranking, filtros por tenant, Graph-RAG y estrategias de grounding sobre conocimiento médico, incluyendo bases vectoriales y grafos cuando aporten valor. Modelos y routing: Seleccionarás y combinarás modelos según calidad, latencia, coste, privacidad y disponibilidad; trabajarás con proveedores como AWS Bedrock y otras APIs de modelos sin acoplar la arquitectura a uno solo. Observabilidad y evaluación: Instrumentarás cada ejecución para conocer decisiones, herramientas, tokens, coste, latencia y errores. Crearás datasets y evals de regresión para medir fidelidad médica, groundedness, seguridad y calidad de tool use antes de promover cambios. Producción e integración: Implementarás el core en Python y las integraciones de plataforma en TypeScript , desplegando servicios robustos en AWS y, cuando el proyecto lo exija, en entornos contenerizados u on-premise. Lo que necesitas para triunfar Experiencia construyendo agentes: Has llevado a producción agentes o workflows multi-step con ciclos, routing, uso de herramientas, estado persistente y manejo explícito de fallos. LangGraph como herramienta de arquitectura: Sabes modelar StateGraphs, nodos, edges, subgrafos, checkpointers, interrupciones y reanudación; entiendes cuándo usar LangGraph, código propio u otra abstracción y puedes justificar la decisión. Python sólido y TypeScript práctico: Dominas Python asíncrono, tipado, testing y diseño de servicios; puedes desarrollar integraciones y APIs mantenibles en TypeScript. Ingeniería de producción: Experiencia con APIs, colas o eventos, concurrencia, idempotencia, seguridad, CI/CD, Docker y despliegues en AWS. Sabes operar sistemas con requisitos de latencia y disponibilidad. Evaluación y observabilidad de LLMs: Has trabajado con trazas y métricas de LLM/agent (por ejemplo, OpenTelemetry, Arize Phoenix, Langfuse, LangSmith o Datadog) y con evals basadas en datasets (por ejemplo, Ragas o DeepEval). Tool calling y salidas estructuradas: Diseñas esquemas, validas respuestas del modelo y controlas permisos, errores, reintentos y efectos secundarios de las herramientas. RAG aplicado: Entiendes chunking, embeddings, búsqueda híbrida, reranking, filtros de seguridad y evaluación de retrieval; puedes trabajar con bases vectoriales y conocimiento estructurado. Rigor para el entorno sanitario: Te importan la trazabilidad, la privacidad, la reproducibilidad y la seguridad de las decisiones asistidas por IA. Te diferenciarás si tienes Experiencia con memoria de largo plazo , checkpointers y sistemas human-in-the-loop para agentes; conocimiento de patrones o herramientas como mem0 o equivalentes. Experiencia con Graph-RAG , knowledge graphs, Neo4j/Cypher o modelado de terminologías clínicas. Conocimiento de protocolos y ecosistemas de interoperabilidad de herramientas para agentes, como MCP , y de arquitecturas multi-agente cuando aporten valor real. Experiencia optimizando coste y latencia mediante model routing, caching, batching, compresión de contexto, modelos pequeños o modelos open source. Experiencia con Terraform/AWS CDK , Kubernetes, SageMaker, FastAPI, Pydantic, Redis, PostgreSQL o bases vectoriales en producción. Familiaridad con terminologías sanitarias y estándares como CIE-10 , SNOMED CT o HL7/FHIR.
About the company
construimos productos de voz e IA para el sector salud con una misión clara: devolver el tiempo a los profesionales sanitarios para que puedan dedicarlo a sus pacientes.
Apply for this position
This job is hosted externally. Click below to view the full posting and apply.
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Good distractions
Loading talks and stories from around this role…