Posted: 2 months ago

Latin America
Cashea
Latin America
Remote
Full-time
Information Technology (IT)
Financial Services
Vas a construir el pipeline de LLM Ops que le permite a Cashea llevar casos de uso con modelos de lenguaje a producción, apoyándote en la infraestructura de ML que ya existe en la compañía (MLflow, Cloud Run, Cloud Composer, Vertex AI Feature Store). No entrenamos ni hosteamos modelos propios: consumes LLMs por API (OpenAI, Anthropic, Gemini vía Vertex AI) y tu trabajo es la capa de orquestación, evaluación y gobernanza alrededor de esas llamadas.
Diseñar y mantener el pipeline de LLMOps: Versionado de prompts, evaluación automática (RAG, LLM-as-judge, datasets de regresión) y trazabilidad de cada respuesta generada.
Integrar observabilidad de LLM (tracing, costo, latencia) sobre el stack de MLOps que ya usa Cashea, en lugar de levantar infraestructura paralela.
Construir y mantener sistemas RAG: chunking, embeddings, vector database y evaluación del retrieval.
Construir SDKs y librerías internas en Python para que otros equipos consuman el pipeline de LLM sin fricción.
Definir guardrails para casos de uso generativo en contextos de riesgo crediticio: fugas de PII, alucinaciones y trazabilidad ante disputas de usuarios.
Gestionar el consumo de APIs de LLM externas: control de costo, rate limits y fallback entre providers.
Coordinar con Data Engineering y con los squads de Riesgo, Growth y Cobranza para asegurar la calidad y disponibilidad de los datos que alimentan estos casos de uso.
Documentar decisiones de arquitectura en RFCs y acompañar a otros equipos en la adopción de las herramientas.
Requisitos
5+ años en Ciencia de Datos, Machine Learning o MLOps.
2+ años operando MLOps en producción: registry, tracking, monitoring, versionado.
Experiencia llevando LLMs a producción vía API (OpenAI, Anthropic, Gemini o similar): evaluación (Ragas, promptfoo o equivalente) y RAG end-to-end.
Experiencia construyendo SDKs o librerías Python de uso interno.
Experiencia con CI/CD (GitHub Actions, GitLab CI, Jenkins).
Herramientas
Python avanzado (packaging, testing, documentación).
MLflow (registry, tracking server, artifacts).
Stack de LLMOps: prompt registries, frameworks de evaluación (Ragas, promptfoo, LLM-as-judge), tracing y observabilidad (Langfuse, LangSmith o Arize Phoenix).
Vector databases (pgvector, Pinecone, Weaviate o similar) y diseño de RAG.
Orquestación de agentes o function calling (LangChain, LlamaIndex).
APIs de LLM externas (OpenAI, Anthropic, Gemini/Vertex AI).
Docker, porque Cloud Run corre sobre contenedores.
Git y flujos de GitHub/GitLab.
Diseño y desarrollo de REST APIs.
GCP preferible, porque el stack de Cashea corre ahí (Cloud Run, Cloud Composer, Vertex AI); AWS o Azure aceptable.
¡Hola! Somos Cashea 👋 y nuestra misión es devolverle a los venezolanos la oportunidad de acceder al crédito a través de un modelo de negocio BNPL (buy now, pay later).
Desde nuestro lanzamiento en 2022, nos hemos dedicado a promover la inclusión financiera. Hoy contamos con más de 11 millones de usuarios activos, tanto consumidores como comercios, y nos hemos convertido en una marca de confianza en Venezuela, ganándonos el corazón y la mente de las personas.
Sí, es un puesto full-time remoto para Latinoamérica.
Diseñarás pipelines de LLMOps, sistemas RAG, evaluaciones automáticas, trazabilidad y observabilidad de respuestas. También crearás SDKs y librerías internas en Python para otros equipos.
No. El rol consume LLMs mediante APIs externas como OpenAI, Anthropic y Gemini a través de Vertex AI, y se enfoca en su orquestación, evaluación y gobernanza.
El stack incluye Python, MLflow, Cloud Run, Cloud Composer, Vertex AI, Docker, GitHub/GitLab y bases vectoriales como pgvector, Pinecone o Weaviate. También usan herramientas de evaluación y observabilidad como Ragas, promptfoo, Langfuse, LangSmith o Arize Phoenix.
Se requieren 5+ años en Ciencia de Datos, Machine Learning o MLOps, además de 2+ años operando MLOps en producción.
Sí. Se solicita experiencia end-to-end con RAG, incluyendo chunking, embeddings, bases de datos vectoriales y evaluación de retrieval.
Cashea trabaja preferiblemente con GCP, incluyendo Cloud Run, Cloud Composer y Vertex AI. También se acepta experiencia con AWS o Azure.
Sí. Deberás definir guardrails para prevenir fugas de PII, alucinaciones y asegurar trazabilidad para disputas de usuarios en contextos de riesgo crediticio.
Posted by Cashea
At a glance
Remote · Latin America
Full-time
Information Technology (IT) · Financial Services
Spanish
2 months ago
Similar roles
Other active searches.
View all Information Technology (IT) roles ->