Panoptyc busca un Lead Embedded AI Engineer remoto para diseñar, implementar y gestionar su plataforma de dispositivos edge, integrando sistemas embebidos, cloud y visión por computadora.
Lidera el desarrollo de dispositivos de borde en Panoptyc, ideal para profesionales con experiencia en sistemas embebidos y visión artificial.
Descripción del puesto
LEAD EMBEDDED AI ENGINEER UBICACIÓN: REMOTO DEPARTAMENTO: ENGINEERING · EDGE INFRASTRUCTURE REPORTA A: CTO TIPO: FULL-TIME SOBRE PANOPTYC Panoptyc es una plataforma de seguridad minorista y prevención de pérdidas impulsada por IA, especialmente diseñada para los segmentos de micromercados, tiendas de conveniencia y comercio minorista empresarial. Nuestro stack de visión por computadora se ejecuta en el borde —directamente en dispositivos implementados en los entornos de los clientes— para ofrecer detección de pérdidas en tiempo real, verificación de transacciones e inteligencia operativa a escala. Damos servicio a clientes empresariales y estamos creciendo rápidamente. Este es un rol de alta influencia en el núcleo de nuestro producto físico. El trabajo que realices se implementará en hardware real en tiendas reales, y la calidad del mismo determinará directamente la confiabilidad de la plataforma de la que dependen nuestros clientes. EL ROL Buscamos un Lead Embedded AI Engineer que se desenvuelva en la intersección de sistemas embebidos, infraestructura de borde conectada a la nube y visión por computadora. Serás responsable del ciclo de vida completo de nuestra plataforma de dispositivos de borde —desde la selección y puesta en marcha del hardware hasta los pipelines de implementación, orquestación en tiempo de ejecución, gestión remota e integración con sistemas minoristas en campo. Trabajarás en estrecha colaboración con nuestros equipos de ML, backend y producto para garantizar que las cargas de inferencia, los flujos de cámara y las integraciones de POS se ejecuten de manera confiable en hardware restringido en entornos no controlados. Este no es un rol para alguien que prefiere condiciones de laboratorio limpias; es para alguien que prospera con la complejidad del mundo real. TU RESPONSABILIDAD PLATAFORMA DE DISPOSITIVOS DE BORDE - Diseñar, configurar y mantener soluciones de cómputo de borde en plataformas embebidas Linux como Raspberry Pi CM4/CM5, NVIDIA Jetson y similares. - Ser responsable de la selección y validación de hardware para nuevas implementaciones, equilibrando la capacidad de cómputo, las restricciones térmicas, el costo y la confiabilidad de la cadena de suministro. - Arquitectar y mantener definiciones de servicios systemd para procesos de borde confiables, observables y de auto-recuperación. - Construir y gestionar estrategias de orquestación de contenedores Docker para ejecutar cargas de trabajo de inferencia de CV en el borde con una utilización eficiente de los recursos. CONECTIVIDAD A LA NUBE Y GESTIÓN REMOTA - Ser responsable de nuestra integración con AWS IoT Core —aprovisionamiento de dispositivos, gestión de certificados, estado shadow, pipelines de telemetría y configuración a nivel de flota. - Diseñar y mantener implementaciones de componentes de AWS Greengrass para gestionar cargas de trabajo de borde a escala en flotas de dispositivos distribuidas. - Construir mecanismos robustos de actualización OTA (Over-The-Air) y rollback que tengan en cuenta la conectividad poco confiable en campo. INTEGRACIÓN DE CÁMARAS Y SISTEMAS MINORISTAS - Integrar con ecosistemas de cámaras IP utilizando la ingesta de streams RTSP y protocolos de gestión y descubrimiento de dispositivos ONVIF. - Construir y mantener integraciones con sistemas POS para correlacionar datos de transacciones con eventos de visión en tiempo real. - Asegurar la confiabilidad del pipeline de video, incluyendo lógica de reconexión, verificaciones de integridad de frames y buffering sensible a la latencia. OPTIMIZACIÓN DE CARGAS DE TRABAJO DE IA - Ajustar la inferencia de modelos para hardware restringido —cuantización, optimización TensorRT en Jetson, configuración de ONNX runtime y ajustes de afinidad CPU/GPU. - Perfilar y optimizar los perfiles de memoria, térmicos y de energía para sostener cargas de trabajo de CV en hardware de borde con ciclos de trabajo aceptables. - Evaluar nuevo hardware de IA de borde a medida que evoluciona el panorama y hacer recomendaciones informadas sobre su adopción. CULTURA DE INGENIERÍA Y HERRAMIENTAS - Utilizar activamente herramientas de codificación de IA y flujos de trabajo asistidos por LLM como multiplicador de fuerza —esto es una expectativa, no un diferenciador. - Documentar rigurosamente la arquitectura, los runbooks de implementación y los modos de falla —el equipo que atienda una alerta a las 2 AM necesita estar preparado para tener éxito. - Colaborar con los equipos de ingeniería, producto e instalación/soporte; este rol tiene una superficie de interacción interfuncional significativa. LO QUE BUSCAMOS REQUERIDO - Más de 5 años de experiencia práctica con sistemas embebidos Linux y despliegue de hardware de borde en entornos de producción. - Profunda experiencia con AWS IoT Core y AWS Greengrass —aprovisionamiento de dispositivos, gestión de flotas, pipelines de despliegue de componentes y actualizaciones OTA. - Sólidas habilidades de programación en Python con experiencia en la escritura de servicios y herramientas de calidad de producción (no solo scripts). - Fluidez con systemd de Linux —escritura de archivos de unidad, gestión de dependencias, watchdogs, integración con journald y recuperación de fallos. - Experiencia con el Yocto Project para construir distribuciones Linux embebidas personalizadas adaptadas a objetivos de hardware específicos y huellas de producción mínimas. - Sólida experiencia con Docker, incluyendo builds multi-etapa, restricciones de recursos, redes de contenedores y orquestación de múltiples servicios en hardware con recursos limitados. - Experiencia práctica con integración de cámaras basada en RTSP y el protocolo ONVIF para descubrimiento y gestión de cámaras. - Experiencia en la integración con sistemas POS u otros sistemas de transacciones minoristas a nivel de datos o protocolo. - Experiencia práctica con dispositivos NVIDIA Jetson (Nano, Orin NX, AGX o equivalente) y ejecución de cargas de trabajo de inferencia de IA en ellos. - Experiencia práctica con plataformas Raspberry Pi Compute Module (CM4 y/o CM5) en diseño o despliegue de hardware de producción. - Capacidad demostrada para diseñar para fallos: lógica de reconexión, degradación elegante, observabilidad remota y automatización de la recuperación. PLUS FUERTE - Familiaridad con entornos SOC 2 —gestión de cambios, controles de acceso y auditabilidad para flotas de dispositivos. - Exposición a pipelines de visión por computadora y despliegue de modelos de ML más allá de la capa de hardware/runtime. - Familiaridad con la optimización de modelos consciente del hardware —TensorRT, ONNX, cuantización y configuración de afinidad CPU/memoria. - Experiencia con ecosistemas de tecnología minorista —prevención de pérdidas, CCTV o sistemas de auditoría de transacciones. - Experiencia en diseño de PCB personalizadas, selección de placas carrier o propiedad de BOM de hardware. QUIÉN ERES Más allá de la lista de verificación técnica, nos importa cómo trabajas. Eres el tipo de ingeniero que lee los logs de errores antes de hacer preguntas. Tienes una implementación completa en mente —desde el proceso de Python en el dispositivo hasta el componente Greengrass y el estado shadow en AWS— y notas cuando algo no cuadra. No romantizas la complejidad; la reduces. Y cuando algo se rompe en campo en un momento inoportuno, tu instinto es llegar a la causa raíz, no solo restaurar el servicio. Somos un equipo pequeño y de alta producción. La autonomía es real aquí, al igual que la rendición de cuentas.
Responsabilidades
- Diseñar, configurar y mantener soluciones de cómputo edge
- Gestionar la selección y validación de hardware
- Arquitectar y mantener procesos edge auto-recuperables
- Construir y gestionar orquestación de contenedores Docker
- Gestionar la integración con AWS IoT Core
- Diseñar y mantener despliegues de AWS Greengrass
- Construir mecanismos de actualización OTA
- Integrar con ecosistemas de cámaras IP
- Construir y mantener integraciones con sistemas POS
- Optimizar inferencia de modelos para hardware restringido
- Evaluar nuevo hardware edge AI