Data Engineer

Azumo construye y opera sistemas de IA en producción para empresas que van desde startups en etapa inicial hasta Meta. Estamos contratando un Ingeniero de Datos para que sea responsable de la capa de la que todo lo demás depende: pipelines de ingesta y transformación, diseño de almacenamiento y data warehouse, y la infraestructura de recuperación que consultan los sistemas de IA. El puesto es completamente remoto en Latinoamérica, alineado al horario laboral de tu cliente. No construirás pipelines que funcionen hasta que el esquema cambie. Azumo ha entregado sistemas de datos en producción desde 2016, y el trabajo aquí se juzga aguas abajo: si un modelo puede ser entrenado con lo que entregas, si una consulta de recuperación devuelve el pasaje correcto, si un número sobrevive a ser cuestionado por el cliente.

**Posición en la organización de ingeniería de Azumo**

Nuestra organización de ingeniería se basa en cuatro áreas:

• El área de Científico de Datos: responsable de la pregunta y el método.
• El área de Ingeniero de IA: responsable del comportamiento en producción.
• El área de Ingeniero de Software: responsable de la entrega de productos aumentados por IA.
• Este rol es el área de Ingeniero de Datos, y es responsable de los pipelines, el almacenamiento y la capa de recuperación.

Una pregunta define el límite: cuando el resultado es incorrecto, ¿de quién es el problema? "Los datos faltaban, estaban desactualizados o eran incorrectos cuando llegaron" es tuyo. "El sistema hizo lo incorrecto con datos que eran correctos" es del Ingeniero de IA.

¿No es tu perfil? Consulta nuestras otras vacantes:

• Si decides qué medir y qué método responde a ello — Científico de Datos
• Si eres responsable de cómo se comporta un sistema de IA en producción — Ingeniero de IA
• Si entregas software de producto con agentes en tu cadena de herramientas — Ingeniero de Software Aumentado por IA
• Si has hecho todo lo anterior y has respondido directamente al cliente — Ingeniero de Despliegue Avanzado

**Lo que construirás**

• Pipelines de ingesta y transformación: Ingesta batch y streaming en Spark, Kafka, dbt y Airflow, con idempotencia, backfills, evolución de esquemas y datos que llegan tarde manejados por diseño en lugar de manualmente.
• Almacenamiento y modelado: Diseño de data warehouse y lakehouse en Snowflake, BigQuery, Redshift o Databricks, tratando la partición, el layout de archivos y el costo de las consultas como decisiones de ingeniería.
• La capa de recuperación: Los pipelines de chunking, embedding e indexación que alimentan sistemas RAG en pgvector, Pinecone, Qdrant o Azure AI Search, y los problemas de frescura, deduplicación y permisos que conllevan.
• Calidad de datos como contrato: Pruebas, expectativas, linaje y alertas. Si un pipeline es incorrecto, las personas aguas abajo deben escucharlo de ti y no del cliente.
• Datos sensibles por defecto: Clasificación de PII, enmascaramiento, acceso a nivel de fila y columna, retención y eliminación, y un rastro de auditoría que se mantenga cuando un cliente pregunte quién leyó qué.
• Operación en producción: Despliegue contenerizado en Azure o AWS, CI/CD, orquestación, observabilidad, y presupuestos explícitos de costo y tiempo de ejecución que tú administras en lugar de descubrir después de la factura.
• Trabajo dentro del entorno del cliente: Sus repositorios, sus standups, a veces sus llamadas con clientes. Azumo tiene certificación SOC 2, el código del cliente permanece en los repositorios del cliente, y algunos encargos conllevan requisitos adicionales como HIPAA.

**Cómo trabajamos**

Nuestros ingenieros construyen con IA todos los días. Claude Code, Codex y herramientas similares son parte de la cadena de herramientas estándar aquí, no un experimento. Ejecutamos una auditoría automatizada en todo el código base desde el primer día y todos los días después, calificando hallazgos de seguridad, costo y arquitectura por severidad con el archivo y línea exactos, para que un equipo pequeño pueda moverse rápido sin que la calidad decaiga. Nos mantenemos neutrales en cuanto a proveedores entre modelos de OpenAI, Anthropic y de peso abierto, y ejecutamos Valkyrie, nuestra propia capa de producción, cuando una interfaz única a cualquier modelo es la decisión correcta.

**Acerca de Azumo**

Azumo es una empresa de desarrollo de software con sede en San Francisco que ha estado construyendo aplicaciones inteligentes desde 2016. Proporcionamos equipos de ingeniería de IA nearshore a organizaciones que necesitan IA en producción más rápido de lo que pueden contratar: como un equipo de ingeniería embebido, como aumento de personal de IA junto a un equipo existente, o como una construcción de proyecto completa. Nuestros ingenieros trabajan desde Latinoamérica, alineados a las zonas horarias de Estados Unidos, y han entregado para Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth y CENTEGIX. Contratamos por senioridad y la probamos antes de que alguien se una a un equipo de cliente. Apoyamos a los ingenieros a profundizar en el stack moderno de IA, y devolvemos tiempo para trabajo de código abierto, enseñanza comunitaria y filantropía.

Aplica en https://azumo.com/join-our-team o escríbenos a [email protected].

**Calificaciones básicas**

• Más de 5 años construyendo y operando pipelines de datos en producción, con Python y SQL como tus lenguajes principales, más los fundamentos de ingeniería que lo acompañan: testing, code review, CI/CD, Git, contenedores y orquestación.
• Profunda experiencia en el diseño y construcción de data warehouses o lakehouses, incluyendo modelado dimensional, procesamiento incremental y las compensaciones de costo y rendimiento detrás de cada elección.
• Procesamiento distribuido a escala de producción con Spark, Kafka, Flink o equivalente, incluyendo los modos de falla que solo aparecen bajo carga.
• Orquestación como disciplina de ingeniería en lugar de un reemplazo de cron: Airflow, Dagster o Prefect, con reintentos, idempotencia y estrategia de backfill que puedas defender.
• Transformación bajo control de versiones, con pruebas y linaje: dbt o algo que hayas construido tú mismo.
• Experiencia en despliegue en la nube, preferiblemente Azure y aceptable AWS, con Docker, pipelines de CI/CD e infraestructura como código (GitHub Actions, Terraform o Bicep).
• Disciplina de trabajo en torno al costo, tiempo de ejecución y rendimiento de los pipelines. Puedes explicar cuánto cuesta ejecutar un pipeline y qué hiciste al respecto.
• Uso activo de herramientas de codificación asistida por IA como Claude Code, Cursor o GitHub Copilot en trabajo de entrega real.
• Inglés escrito y hablado claro, C1 o superior, y la confianza para explicar un trade-off técnico directamente a un cliente.
• Título de Grado en Ciencias de la Computación, Ciencia de Datos o un campo relacionado, o experiencia profesional equivalente.

**Calificaciones preferidas**

• Infraestructura de vectores y recuperación: pgvector, Pinecone, Qdrant, FAISS o Azure AI Search, y los problemas de calidad de recuperación que conllevan.
• Cargas de trabajo de streaming, en tiempo real o de alto rendimiento.
• Experiencia con servicios gestionados en la nube como Airflow, Glue, Elastic stack, Amazon Redshift, Snowflake, BigQuery, Azure SQL Db, EMR, Databricks.
• Experiencia previa con notebooks usando Jupyter, Google Collab o similar.
• Entrega bajo un régimen de cumplimiento como SOC 2 o HIPAA.
• Contribuciones a bibliotecas de datos de código abierto, escritura técnica publicada o participación activa en la comunidad de ingeniería de datos.

**Beneficios**

• Tiempo libre remunerado (PTO)
• Días festivos de EE. UU.
• Capacitación en IA
• Desarrollo profesional con mentoría
• Participación en beneficios (Profit sharing)
• Remuneración en USD