Buscamos un Engineering Lead práctico para liderar el equipo de ingeniería responsable de integrar las capacidades de riesgo crediticio de Kiwi en nuestros productos de préstamos.
Las decisiones crediticias dependen de la interconexión de múltiples sistemas: servicios de aplicación, datos y proveedores externos, APIs de riesgo y modelos de machine learning. Este equipo construye y opera el software que conecta estos sistemas y soporta las decisiones a lo largo del ciclo de vida del préstamo. Su trabajo tiene un impacto directo en la confiabilidad de nuestro flujo de solicitudes de crédito y la velocidad con la que podemos implementar mejoras.
Liderarás ingenieros y permanecerás activamente involucrado en el diseño técnico, la implementación, las revisiones de código y el soporte de producción. Trabajarás en estrecha colaboración con Credit Risk y Data Science para integrar modelos validados en sistemas de producción confiables y mejorar las prácticas de ingeniería que soportan su implementación y operación.
Responsabilidades
- Liderar el equipo de Credit Risk Engineering, estableciendo la dirección técnica, planificando la entrega, mentorizando ingenieros, revisando código y contribuyendo de forma práctica al trabajo crítico.
- Diseñar, construir y operar los servicios backend y las APIs que integran las capacidades de riesgo en los productos de préstamos de Kiwi.
- Mejorar la confiabilidad de los flujos de decisión crediticia a través de servicios y dependencias externas, incluyendo contratos de API, latencia, timeouts, manejo de fallos, observabilidad y respuesta a incidentes.
- Colaborar con Credit Risk y Data Science para integrar modelos en producción y mejorar las prácticas de MLOps, incluyendo automatización de despliegues, versionado, testing, monitoreo y rollback.
- Mejorar la arquitectura y mantenibilidad de los servicios de riesgo e integraciones, abordando la deuda técnica mientras se soporta la entrega de nuevas capacidades de riesgo.
Requisitos
- Experiencia liderando ingenieros y manteniéndose práctico en diseño de sistemas, implementación y soporte de producción.
- Sólida experiencia en ingeniería backend con TypeScript y Node.js, incluyendo la construcción y operación de APIs y microservicios.
- Experiencia integrando servicios en flujos críticos para el cliente, con un sólido entendimiento de latencia, timeouts, fallos parciales, reintentos y observabilidad.
- Experiencia práctica comprobada con MLOps en producción, incluyendo despliegue de modelos, versionado, monitoreo y rollback.
- Conocimiento práctico de Python y experiencia colaborando en sistemas que sirven modelos de machine learning en producción.
- Experiencia desplegando y operando servicios contenerizados en AWS, utilizando Docker y pipelines de CI/CD.
- Sólidas habilidades en SQL y PostgreSQL, incluyendo la investigación de calidad de datos y problemas de producción.
- Fuerte juicio técnico y la capacidad de trabajar eficazmente entre Ingeniería, Credit Risk y Data Science.
Nuestra tecnología
Nuestra plataforma de préstamos utiliza TypeScript, Node.js, PostgreSQL, Docker, GitHub Actions y AWS. Nuestro entorno de riesgo y ciencia de datos incluye Python, FastAPI, LightGBM, scikit-learn, Snowflake, Airflow y dbt. Valoramos la experiencia con los desafíos de ingeniería subyacentes; no se requiere el uso previo de cada herramienta en este stack.
Nice to have
- Experiencia con productos de préstamos al consumidor o BNPL (Buy Now, Pay Later).
- Experiencia construyendo o integrando con motores de decisión crediticia o sistemas basados en reglas.
- Familiaridad con Snowflake o una plataforma de datos analíticos comparable.
- Familiaridad con la gobernanza de modelos y la explicabilidad en préstamos al consumidor en EE. UU.
Qué ofrecemos
- La oportunidad de trabajar en productos financieros críticos con impacto directo en los clientes y el crecimiento del negocio.
- Alta propiedad técnica y la oportunidad de dar forma a la evolución de la tecnología de riesgo crediticio de Kiwi.
- Desafíos significativos en arquitectura backend, integraciones de producción, confiabilidad y MLOps.
- Un entorno de ingeniería donde la IA se está convirtiendo en una parte central de cómo construimos software.
- Un equipo multidisciplinario colaborativo entre Ingeniería, Credit Risk, Data Science, Producto, QA y Plataforma.
- 100% remoto — Argentina, República Dominicana o Colombia.