Platform AI Software Engineer

Nuestro cliente desarrolla un copiloto de IA para ingenieros de procesos en refinerías de petróleo y plantas químicas. Se trata de una interfaz de lenguaje natural donde los ingenieros hacen preguntas sobre datos de planta en tiempo real (equipos, etiquetas de sensores, tendencias de procesos) y obtienen respuestas fundamentadas y respaldadas por gráficos. Los usuarios son ingenieros experimentados que son, con razón, escépticos de la IA: en este dominio, un número fabricado o una suposición errónea silenciosa tienen un costo real. El producto gana o pierde según si el agente puede ser confiable. Este rol es responsable de la capa de confianza de ese agente dentro de una base de código Python grande y activa. No se trata de trabajo de funcionalidades con un endpoint de LLM añadido. El trabajo se centra en la mecánica de la confiabilidad del agente: hacer que el agente diga "No sé" en lugar de inventar, exponer todas las suposiciones que hace para que el usuario pueda corregirlas, fundamentar cada afirmación en datos reales, mantener la calidad de la salida a través de migraciones de modelos y mantener la latencia aceptable mientras se hace todo lo anterior.

Para concretar el día a día, esto es lo que el ingeniero que actualmente ocupa este puesto ha lanzado en los últimos cuatro meses (todo ello con indicadores de funcionalidad, en PRs pequeñas, revisado asincrónicamente a diario por un equipo distribuido entre EE. UU. y Australia):

• Un auditor de suposiciones: detecta las suposiciones silenciosas que hace el agente al responder (qué equipo, qué ventana de tiempo), las valida mediante consenso de múltiples sorteos y las expone en la interfaz de usuario como etiquetas corregibles; el ingeniero puede corregir una suposición y volver a ejecutar el análisis.
• Un auditor de fundamentación que detecta informes fabricados a partir de flujos de datos vacíos antes de que lleguen al usuario.
• Un