Senior AI Engineer - Internal Solutions

Cobre es la plataforma líder en pagos instantáneos B2B de Latinoamérica. Resolvemos los desafíos más complejos de movimiento de dinero de la región construyendo infraestructura financiera avanzada que permite a las empresas mover dinero de forma más rápida, segura y eficiente.

Hacemos posibles los pagos instantáneos entre empresas, locales o internacionales, directos o vía API, todo desde una única plataforma.

Diseñada para fintechs, PSPs, bancos y equipos de finanzas que exigen velocidad, control y eficiencia. Desde pagos en tiempo real hasta tesorería automatizada, convertimos procesos financieros complejos en experiencias sencillas.

Cobre es la primera plataforma en Colombia que permite a las empresas pagar a beneficiarios bancarizados y no bancarizados dentro del mismo ciclo de pago y a través de una única interfaz.

¡Estamos construyendo la infraestructura de pagos empresariales de Latinoamérica!

El equipo al que te unirías

AI Engineering es el dominio de plataforma detrás de cada producto nativo de IA en Cobre: un kit de herramientas de IA compartido, servidores MCP para toda la empresa y los estándares de orquestación, herramientas y monitoreo sobre los que otros equipos construyen sus agentes. No solo consumimos modelos, sino que construimos y operamos la infraestructura que hace que sea seguro, rápido y barato para el resto de la empresa hacerlo.

Te unirías al equipo de AI Engineering y construirías productos de IA para Soluciones Internas, convirtiendo el soporte al cliente de Cobre en un sistema agentizado. Hoy en día, una parte significativa de las preguntas de los clientes —sobre integraciones, comportamiento de la API, estado de las transacciones, payloads de webhooks— todavía son resueltas por una persona, en el canal que el cliente utilice, cuando alguien está disponible. Tu trabajo es construir una capa agentizada, reutilizable en todos los canales, que resuelva lo que pueda contra los sistemas reales de Cobre y escale limpiamente a un especialista en Customer Success o Integraciones cuando no pueda.

Qué

buscamos

Un ingeniero que pueda llevar un agente de soporte al cliente de "funciona en una demo" a un sistema que resista el tráfico real de clientes, a través de canales y zonas horarias, sin permitir nunca que los datos de un cliente se filtren en la respuesta de otro.

Qué estarías haciendo

• Ser el responsable de la capa de soporte agentizado de principio a fin: desde la migración de la automatización de correos electrónicos de flujos ad hoc de n8n a un único motor de decisiones, pasando por los puntos de entrada multicanal (chat del portal, WhatsApp, Slack) que compartirán la misma lógica de enrutamiento y escalamiento.
• Construir el andamiaje determinista alrededor del núcleo no determinista: pipelines impulsados por eventos, idempotencia, reintentos y colas de mensajes fallidos, modelos de dominio tipados y un rastro de auditoría que resista el escrutinio.
• Tratar el aislamiento de datos del cliente como un requisito de diseño, no como un refinamiento: ninguna respuesta puede exponer los datos de un cliente a otro, en ningún canal, bajo ninguna formulación de la pregunta. Esa restricción da forma a la arquitectura desde el primer día, no después de una beta.
• Integrarse contra las fuentes de verdad reales de Cobre: documentación, la API pública, sandbox, Snowflake y Salesforce, detrás de interfaces limpias y bien probadas en lugar de llamadas ad hoc.
• Diseñar la ruta de escalamiento: umbrales de confianza y lógica de traspaso para que un especialista de CS o Integraciones intervenga exactamente cuando el agente no deba continuar, con suficiente contexto para que el cliente nunca tenga que repetirse.
• Instrumentar antes de construir: IDs de correlación que sobrevivan a cada salto asíncrono, dashboards para la tasa de resolución y el tiempo de primera respuesta, alertas que signifiquen algo.
• Mantener las elecciones de modelos y proveedores detrás de una capa anti-corrupción: de modo que un cambio de modelo, proveedor o framework de agente sea un cambio de adaptador, no una reescritura.
• Trabajar de forma nativa con IA y mantener ese trabajo al mismo nivel que el resto: los asistentes de IA, los servidores MCP y los agentes son parte del conjunto de herramientas diario aquí, pero cualquier cosa producida con ellos se revisa, prueba y se posee exactamente como el código que escribiste a mano.
• Colaborar en toda la organización: con Customer Success e Integraciones sobre lo que el agente debe resolver realmente, y con el resto de AI Engineering para reutilizar la orquestación compartida y los estándares de monitoreo en lugar de reconstruirlos.
• Retroalimentar lo que aprendes a la plataforma: los patrones, las salvaguardas y los componentes reutilizables que hacen que el agente del próximo equipo sea más rápido de construir.

Qué necesitas

• Más de 5 años construyendo y operando servicios backend de producción, con propiedad real de lo que enviaste después de que se envió.
• Profundidad en al menos un lenguaje enfocado en backend, y disposición para trabajar en Go si aún no lo haces: el stack de Cobre es principalmente Go, con Python en la mezcla.
• Fundamentos de sistemas distribuidos: procesamiento asíncrono y basado en eventos, entrega al menos una vez (at-least-once delivery), idempotencia, consistencia eventual y una respuesta real a lo que sucede cuando un proveedor downstream está caído.
• Desarrollo cloud-native en AWS: Lambda, DynamoDB, S3, SQS/SNS; además de contenedores, IaC y CI/CD como parte normal de tu trabajo, no del trabajo de otra persona.
• Juicio arquitectónico: arquitectura hexagonal y DDD en la práctica: modelos de dominio ricos, puertos y adaptadores, y la disciplina para mantener los SDKs de terceros y los proveedores en el borde del sistema.
• Disciplina de pruebas: alta cobertura como requisito previo en lugar de una aspiración, pruebas basadas en tablas y de contratos, y una respuesta honesta sobre cómo pruebas un componente que no es determinista.
• Experiencia construyendo sistemas que se sitúan delante de datos sensibles y multi-tenant, con el aislamiento y la disciplina de control de acceso que eso requiere.
• Conocimiento práctico de funcionalidades respaldadas por LLM en producción: diseño de prompts, llamadas a herramientas (tool-calling), recuperación (retrieval) y una visión clara de dónde fallan y cuál es la solución de respaldo.
• Comodidad en un flujo de trabajo de ingeniería asistido por IA: usando asistentes de codificación y herramientas basadas en MCP, y manteniendo esa salida al mismo nivel de revisión que cualquier otra cosa.
• Fluidez profesional en español, nuestro idioma de trabajo diario, e inglés técnico para documentación.
• Fuertes habilidades de comunicación escrita y oral, en ambos idiomas.

Nice to have

• Experiencia con frameworks de orquestación de agentes (LangGraph o similar) y evaluación de agentes multi-paso con llamadas a herramientas.
• Experiencia construyendo o manteniendo servidores MCP o capas comparables de exposición de herramientas para LLMs.
• Familiaridad con la definición de datasets de referencia (golden datasets), suites de evaluación (eval suites) y umbrales de confianza para flujos de trabajo asistidos por IA.
• Kafka, registros de esquemas (schema registries) y evolución de contratos en producción.
• Experiencia migrando un producto de herramientas de automatización de flujos de trabajo (n8n, Zapier o similar) a un servicio centralizado.
• Experiencia en pagos, tesorería o fintech, especialmente en lo relacionado con integraciones de clientes o herramientas de soporte.