FREE ACCESS
5,000–10,000 jobs/day
See all jobs on Scoutfield
Search thousands of fresh jobs every day.
Discover
- Fresh listings
- Fast filters
- No subscription required
Create a free account and start exploring right away.
Core Competencies
Role fitCore Competencies
Use this summary to align your resume positioning with the role.
Demonstrates expertise in deploying and managing LLMs in production environments, ensuring compliance with data sensitivity regulations while collaborating across teams to optimize performance and user experience. Proficient in context engineering, tool calling, and implementing security measures for agent interactions.
Highest-signal resume keywords
LLM DeploymentTool Calling DesignContext EngineeringData Sensitivity ManagementSpanish and English Proficiency
ATS Keywords
Tailor your resumeApplicant Tracking System Keywords
Tip: use these terms in your resume and cover letter to boost ATS matches.
Hard Skills
LLM-as-Judge CalibrationPrompt Injection SecurityMulti-Agent ExecutionPrompt CachingEvals Online
Soft Skills
CollaborationDocumentationDecision-Making
Tools & Technologies
WhatsAppMCP ServersHuman-in-the-Loop Systems
Industry Keywords
Data Processing AgreementsSensitive Data ManagementHealth and Insurance Experience
About the role
Key responsibilities & impact- Poner agentes en producción para atender a los miembros a través de WhatsApp y futuros canales
- Orquestar agentes y realizar tool calling contra los sistemas de la empresa
- Construir el contexto del miembro a partir de múltiples fuentes
- Definir y ejecutar evals sobre casos reales y criterios de aceptación antes de lanzar
- Crear una plataforma de observabilidad de LLMs con trazas, costo, latencia y calidad
- Desarrollar evals como infraestructura, acceso a modelos agnóstico de proveedor y versionado de prompts
- Implementar guardrails, protección de PII, verificación de identidad y human-in-the-loop en un entorno regulado
- Llevar proyectos de punta a punta desde la definición del problema hasta producción
- Documentar decisiones mediante ADRs, participar en revisiones y pairing, y establecer patrones reutilizables
- Colaborar con producto, data, operaciones y otros ingenieros
- Decidir qué construir, comprar o ensamblar para el desarrollo con LLMs
Requirements
What you’ll need- ~5+ años de experiencia
- Haber llevado LLMs en producción, con al menos un sistema frente a usuarios reales que operaste después del lanzamiento
- Experiencia seria con tool calling: diseñar tools y manejar llamadas incorrectas o argumentos equivocados
- Experiencia seria con evals: datasets de casos reales, LLM-as-judge calibrado contra humanos y regresiones antes de cada cambio de prompt o modelo
- Experiencia con datos sensibles en producción: PII, retención y acuerdos de procesamiento con proveedores
- Español nativo o fluido
- Inglés profesional
- Context engineering: compactación, memoria y context provisioning vía tools
- Retrieval agéntico y servidores MCP
- Seguridad de agentes: prompt injection directa e indirecta, permisos mínimos por tool y red-teaming
- Multi-agente, subagentes y ejecución durable
- Prompt caching, routing entre modelos y structured outputs
- Evals online: shadow mode, A/B entre prompts o modelos y feedback humano que vuelve al dataset
- Experiencia con WhatsApp, voz, salud o seguros es un plus
Benefits
Comp & perks- Feedback en cada etapa del proceso de selección
- Self-merge por defecto
- CI, tipos y pruebas como bloqueo
- Revisión de arquitectura enfocada en ADRs
- Proceso de selección que busca cerrarse en pocas semanas