Applied AI Engineer - LLMs & Agentic Systems | Remote Mexico/LATAM,
At a glance
Mid-level AI Engineering role at DaCodes. Remote, Mexico.
Pay not stated Applied AI Engineer salary
remoteroles summary, based on the employer's posting.
What you'll do
- Build and maintain LLM applications used in business processes, taking them from design through production
- Create agents that use tools and external services, with safeguards around the actions they can take
- Choose between agents, fixed workflows or a mix, based on the problem being solved
- Develop RAG pipelines and tune chunking, embeddings, retrieval, reranking and context handling
- Test answer quality and agent behavior, then address hallucinations, failures, latency, cost and reliability
What you bring
- You have built and operated production LLM applications, including direct involvement in agent architecture and implementation
- You have implemented tool calling, external API connections and practical context, state and memory handling
- You have built real-world RAG systems and improved the relevance and accuracy of retrieved information
- You can evaluate LLM answers and agent behavior, diagnose production issues, and reduce latency and inference costs
- You have strong Python development skills, including API integration, testing, error handling and application maintenance
Who this fits
This mid-level role suits an engineer who has personally delivered LLM or agent solutions for real users and can explain their design choices. You’ll work remotely from Mexico or LATAM, with a schedule shaped by the assigned team or project and workdays from Monday to Friday. The role calls for autonomy and direct technical ownership.
From the employer
Sobre la oportunidad
Buscamos un/a Applied AI Engineer para integrarse al equipo tecnológico de una fintech que desarrolla soluciones para transferencias internacionales y remesas, con operación principalmente entre Estados Unidos, México y Centroamérica.
La posición está enfocada en diseñar, desarrollar y llevar a producción soluciones de inteligencia artificial basadas en Large Language Models (LLMs), sistemas agénticos y recuperación de información (RAG).
Buscamos a alguien que haya trabajado directamente en la construcción de estas soluciones, que pueda tomar decisiones técnicas fundamentadas y que entienda cómo garantizar su calidad, confiabilidad y funcionamiento en entornos reales.
No es una posición centrada exclusivamente en Machine Learning tradicional ni en experimentación con modelos. El enfoque principal es la ingeniería de soluciones de IA aplicadas a problemas de negocio.
Responsabilidades
- Diseñar, desarrollar y mantener aplicaciones basadas en LLMs utilizadas en procesos reales de negocio.
- Construir sistemas agénticos capaces de interactuar con herramientas, APIs y servicios externos, incorporando controles sobre sus acciones.
- Evaluar cuándo conviene utilizar agentes, workflows determinísticos o una combinación de ambos.
- Diseñar e implementar soluciones RAG, incluyendo estrategias de chunking, embeddings, retrieval, reranking y gestión del contexto.
- Implementar mecanismos de evaluación para medir la calidad de las respuestas, la recuperación de información y el comportamiento de los agentes.
- Identificar y resolver problemas relacionados con alucinaciones, errores de ejecución, latencia, costos y confiabilidad.
- Definir mecanismos de validación, manejo de errores y monitoreo para soluciones desplegadas en producción.
- Colaborar con equipos de producto e ingeniería para comprender requerimientos de negocio, evaluar alternativas y convertirlos en soluciones técnicas viables.
- Participar directamente en decisiones de arquitectura, implementación y mejora continua de las soluciones desarrolladas.
Requirements
Requisitos indispensables
Experiencia en LLMs y sistemas agénticos
- Experiencia práctica construyendo y operando aplicaciones basadas en LLMs en producción, más allá de prototipos o pruebas de concepto.
- Participación directa en decisiones de arquitectura e implementación de soluciones con agentes.
- Experiencia implementando tool calling e integraciones con APIs o servicios externos.
- Conocimiento práctico del manejo de contexto, estado y memoria en aplicaciones con LLMs.
- Capacidad para justificar cuándo utilizar un agente y cuándo resolver un problema mediante lógica determinística.
RAG y recuperación de información
- Experiencia implementando pipelines RAG para aplicaciones reales.
- Conocimiento de estrategias de chunking, embeddings, búsqueda semántica y recuperación de documentos.
- Experiencia evaluando y mejorando la relevancia de la información recuperada.
- Capacidad para identificar problemas de retrieval y reducir respuestas incorrectas o sin sustento.
Evaluación y operación
- Experiencia implementando evaluaciones de calidad para aplicaciones con LLMs, incluyendo pruebas sobre respuestas y comportamiento de agentes.
- Conocimiento práctico de mecanismos para detectar y mitigar alucinaciones, errores y respuestas inconsistentes.
- Experiencia identificando problemas de latencia, consumo de tokens y costos de inferencia.
- Capacidad para diagnosticar fallas y mejorar la confiabilidad de soluciones en producción.
Ingeniería de software
- Experiencia sólida desarrollando soluciones con Python.
- Experiencia integrando APIs, servicios backend y modelos de lenguaje.
- Buenas prácticas de desarrollo, pruebas, manejo de errores y mantenimiento de aplicaciones.
- Autonomía para investigar problemas, proponer alternativas y ejecutar soluciones de principio a fin.
Conocimientos deseables
- Experiencia con frameworks de orquestación de agentes como LangGraph, Pydantic AI o similares.
- Experiencia implementando integraciones mediante Model Context Protocol (MCP).
- Conocimiento de bases de datos vectoriales y herramientas de búsqueda semántica.
- Experiencia con herramientas de observabilidad y evaluación de aplicaciones LLM.
- Conocimientos de Machine Learning y Data Science.
- Experiencia en fintech, servicios financieros, pagos, fraude o procesos regulados.
- Familiaridad con controles de seguridad y protección de información sensible en aplicaciones de IA.
Lo que buscamos en la persona
- Ownership técnico: capacidad para explicar qué construyó, qué decisiones tomó y qué resultados obtuvo.
- Criterio de arquitectura: elegir soluciones por su utilidad y restricciones, no por la popularidad de una tecnología.
- Orientación a producción: considerar calidad, errores, monitoreo, costos y mantenimiento desde el diseño.
- Pensamiento crítico: cuestionar y aclarar requerimientos antes de proponer una solución.
- Comunicación: explicar decisiones técnicas y sus implicaciones a perfiles técnicos y de negocio.
- Autonomía: resolver problemas con iniciativa y asumir responsabilidad sobre los resultados.
¿Qué tipo de experiencia nos interesa especialmente?
Nos interesa conocer proyectos donde hayas participado directamente en el desarrollo de una solución con LLMs o agentes que haya sido utilizada por usuarios reales.
Durante el proceso profundizaremos en el problema de negocio, la arquitectura implementada, las decisiones que tomaste personalmente, los mecanismos de evaluación y los retos que surgieron durante su operación.
Valoramos más la profundidad y responsabilidad demostrable en proyectos reales que la cantidad de herramientas o frameworks mencionados en el CV.
Benefits
🚀 Integración a marcas globales y startups disruptivas.
🏡 Trabajo remoto/Home office.
⏳ Horario ajustado a la célula de trabajo/proyecto asignado.
📅 Trabajo de lunes a viernes.
🎉 Día off en tu cumpleaños.
🏥 Seguro de gastos médicos mayores (aplica para México).
🛡️ Seguro de vida (aplica para México).
🎓 Acceso a cursos y certificaciones.
📢 Clases de inglés.
🏆 Oportunidades dentro de nuestras diferentes líneas de negocio.
AI Engineering work from LinkedIn, X, Reddit and Upwork, in one list.
Each morning you get everything that fits, strongest first.
AI EngineeringRemote
Find me workBy the team behind remoteroles.