ESPECIALISTA SR INTELIGENCIA ARTIF E INN

Seleccione la frecuencia (en días) para recibir una alerta:

CIUDAD DE MEXICO, Ciudad de México, MX

Categoría: Finanzas y Operaciones

ID de Requisicion: 122646

En Banorte buscamos talento único, fuerte y extraordinario, que impulse la transformación e innovación del país, convirtiéndonos en un gran aliado para crecer fuerte con México.

Estamos convencidos que la combinación de solidaridad, innovación, respeto, lealtad y responsabilidad es la fórmula perfecta para ser el mejor equipo del sector financiero.

Objetivo del puesto:Liderar técnicamente el diseño, desarrollo e implementación de soluciones de inteligencia artificial generativa de nivel productivo para la Dirección de Inteligencia Artificial e Innovación de Banorte, incluyendo arquitecturas RAG empresariales, sistemas de agentes autónomos, orquestación de herramientas con Model Context Protocol (MCP), integración con LLMs multi-proveedor y frameworks de evaluación continua, asegurando que las soluciones cumplan con estándares de calidad, seguridad, costo, desempeño y regulación aplicable al sector financiero mexicano.

Cada día te encontrarás antenuevos e interesantes retosdentro de tu puesto, en los cuales serás responsable de:

• Diseñar e implementarsoluciones GenAI de nivel productivo end-to-end: arquitecturas RAG avanzadas (hybrid search, reranking, query rewriting), agentes multi-paso, orquestación con MCP e integración con APIs empresariales del banco.
• Desarrollarpipelines robustos de extracción e ingestión, limpieza, chunking, indexación y recuperación de información sobre bases vectoriales, asegurando trazabilidad, gobierno de datos y calidad del retrieval.
• Optimizarel desempeño, costo, latencia y calidad de soluciones basadas en LLMs, aplicando técnicas de evaluación offline y online, prompt engineering avanzado, caching semántico y fine-tuning ligero (LoRA, QLoRA) cuando aplique.
• Implementarframeworks de evaluación continua de soluciones GenAI (LangSmith, Ragas, Langfuse) con métricas de groundedness, relevancia, seguridad, alucinación y costo por interacción.
• Colaborarcon los equipos de arquitectura, seguridad, aseguramiento operativo y DevOps para diseñar despliegues productivos confiables en nube (Azure, Google Cloud, IBM Cloud) con CI/CD, contenedores y observabilidad.
• Aplicarprincipios de seguridad para soluciones GenAI (OWASP LLM Top 10): defensa contra prompt injection, filtrado de salidas, least privilege en agentes, protección de datos sensibles y validación de llamadas a herramientas.
• Establecerbuenas prácticas de código, documentación técnica, pruebas y patrones de diseño GenAI dentro del equipo.
• Investigar constantemente y experimentarcon la evolución del ecosistema GenAI (nuevos modelos, frameworks, técnicas de evaluación, patrones de arquitectura) y proponer adopciones tecnológicas fundamentadas al equipo.
• Diseñar y proponerarquitecturas cognitivas escalables, alineadas a las técnicas más avanzadas de desarrollo de soluciones agénticas.
• Formación profesional: Ingeniería o licenciatura en Computación, Inteligencia Artificial, Ciencias de la Computación, Data Science, Matemáticas Aplicadas o áreas relacionadas. Posgrado o especialización en Inteligencia Artificial es deseable.
• Años de experiencia: 4-7 años en desarrollo de soluciones de inteligencia artificial, con al menos 2 años de experiencia real desarrollando soluciones de IA generativa en ambientes productivos (no sólo prototipos o cursos).
• Áreas de experiencia:
• Diseño e implementación end-to-end de arquitecturas RAG empresariales, incluyendo estrategias de hybrid search, reranking con cross-encoders, query rewriting, multi-query y parent-child retrieval.
• Desarrollo de sistemas de agentes autónomos y multi-agente productivos con frameworks como LangGraph, OpenAi Agents SDK, ADK, A2A, OpenCode, Codex, Claude code, incluyendo manejo de estado, memoria y recuperación de fallas.
• Integración de Model Context Protocol (MCP), function calling, tool use y orquestación de herramientas externas con control de permisos y manejo de excepciones.
• Evaluación sistemática de soluciones GenAI: diseño de datasets de evaluación, métricas cuantitativas (groundedness, faithfulness, answer relevance) y cualitativas, evaluación offline con Ragas/DeepEval, etc.
• Fine-tuning ligero de modelos (LoRA, QLoRA, instruction tuning) y técnicas de alineación básicas (DPO, preference tuning) sobre modelos open-source y en servicios gestionados (Azure ML, Vertex AI).
• Implementación de guardrails y controles de seguridad: detección prompt injection, filtros de PII, control de alucinaciones, políticas de contenido y trazabilidad de decisiones de agentes.
• Despliegue productivo de soluciones GenAI: contenerización