Mexiko
Corning
Azumo
AI Engineer – Generative AI und Agents
RemoteMexiko
Mexico
PythonAWSDockerGoTerraform
Automatische Übersetzung. Prüfe das Original.
Wo diese Rolle angesiedelt ist
Azumo entwickelt und betreibt produktive KI-Systeme für Unternehmen, von Start-ups in der Frühphase bis zu Meta. Wir stellen einen KI-Ingenieur ein, der dafür verantwortlich ist, was diese Systeme tun, sobald sie live sind: Retrieval-Pipelines, Tool-nutzende Agents, Evaluations-Frameworks und die Schutzmechanismen, die sie für echte Benutzer zuverlässig machen.
Die Stelle ist vollständig remote in Lateinamerika angesiedelt und an die Arbeitszeit des Kunden angepasst. Sie werden keine Demos erstellen. Azumo liefert seit 2016 produktive KI-Lösungen, und die Arbeit hier beginnt dort, wo der Prototyp endet, indem ein System zuverlässig, messbar und erschwinglich genug gemacht wird, um es Kunden anzubieten.
Die Engineering-Organisation von Azumo ist in vier Bereiche unterteilt. Der Data Engineer-Bereich verantwortet Pipelines, Speicher und die Retrieval-Schicht. Der Data Scientist-Bereich verantwortet die Fragestellung und die Methode. Der Software Engineer-Bereich verantwortet die KI-gestützte Produktlieferung. Diese Rolle gehört zum KI-Ingenieur-Bereich und verantwortet das Verhalten in der Produktion.
Eine Frage grenzt die Zuständigkeit ab: Wenn die Ausgabe falsch ist, wessen Problem ist es? „Die Methode war ungeeignet“ ist eine Frage für den Data Scientist. „Das System hat mit einer geeigneten Methode das Falsche getan“ ist Ihre Aufgabe.
Was Sie bauen werden
- Retrieval-Systeme. Chunking- und Embedding-Pipelines, hybride Suche, Re-Ranking und Bewertung der Retrieval-Qualität, basierend auf pgvector, Pinecone, Qdrant, FAISS oder Azure AI Search.
- Agenten-Workflows. Zustandsbehaftete mehrstufige Ausführung, Tool-Aufrufe, MCP-Server, Erzwingung strukturierter Ausgaben, Verwaltung des Kontextfensters, deterministische Fallbacks und Human-in-the-Loop-Gates für Entscheidungen, die dies erfordern.
- Evaluierung. Testdatensätze, die die tatsächliche Entscheidung des Systems widerspiegeln, Modell-als-Richter-Bewertung, Regression-Tracking bei Änderungen an Prompts und Modellen sowie ehrliche Fehleranalyse. Wenn eine Änderung das System verbessert hat, sollten Sie dies beweisen können.
- Zuverlässigkeit und Sicherheit. Schutz vor Prompt-Injection, Validierung von Ausgaben, Guardrails, PII-Handling und anmutige Degradation bei Fehlern eines Modells oder Tool-Aufrufs.
- Produktionsbetrieb. Containerisierte Bereitstellung auf Azure oder AWS, CI/CD, Observability und explizite Latenz-, Kosten- und Token-Budgets, die Sie verantworten, anstatt sie erst nach der Rechnung zu entdecken.
- Arbeit innerhalb der Umgebung des Kunden. Deren Repositories, deren Stand-ups, manchmal deren Kundengespräche. Azumo ist SOC 2 zertifiziert, Kundencode verbleibt in Kunden-Repositories, und einige Engagements unterliegen zusätzlichen Anforderungen wie HIPAA.
Wie wir arbeiten
Unsere Ingenieure entwickeln täglich mit KI. Claude Code, Codex und ähnliche Tools sind hier Teil der Standard-Toolchain, kein Experiment. Wir führen täglich einen automatisierten Audit des gesamten Codes durch, der Sicherheits-, Kosten- und Architekturfunde nach Schweregrad mit der genauen Datei und Zeile bewertet, sodass ein kleines Team schnell und ohne Qualitätsverlust agieren kann. Wir bleiben herstellerneutral gegenüber OpenAI, Anthropic und Open-Weight-Modellen und betreiben Valkyrie, unsere eigene Produktionsschicht, wenn eine einheitliche Schnittstelle zu jedem Modell die richtige Wahl ist.
Bewerben Sie sich unter azumo.com/join-our-team oder schreiben Sie uns an people@azumo.com.
Über Azumo
Azumo ist ein in San Francisco ansässiges Softwareentwicklungsunternehmen, das seit 2016 intelligente Anwendungen entwickelt. Wir stellen Nearshore-KI-Engineering-Teams für Organisationen bereit, die produktive KI schneller benötigen, als sie dafür einstellen können: als eingebettetes Engineering-Team, als KI-Personalverstärkung neben einem bestehenden Team oder als vollständige Projektentwicklung. Unsere Ingenieure arbeiten von Lateinamerika aus, angepasst an die Zeitzonen der Vereinigten Staaten, und haben für Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth und CENTEGIX geliefert.
Wir stellen nach Seniorität ein und testen diese, bevor jemand einem Kundenteam beitritt. Wir unterstützen Ingenieure dabei, tief in den modernen KI-Stack einzutauchen, und geben Zeit für Open-Source-Arbeit, Community-Lehre und Philanthropie zurück.
Grundlegende Qualifikationen
- 4+ Jahre Erfahrung in der Entwicklung und Auslieferung von Produktionssoftware, mit einer modernen backend-Sprache (z. B. Python) als Hauptfokus, plus die dazugehörigen Engineering-Grundlagen: Testing, Code-Review, CI/CD, Git, Container, API-Design und asynchrone Programmierung.
- Nachweisbare Produktionserfahrung mit LLM-basierten Systemen: Retrieval-Augmented Generation, Funktions- und Tool-Aufrufe, Erzwingung strukturierter Ausgaben und Prompt-Design als Ingenieursdisziplin statt als Trial-and-Error.
- Praktische Erfahrung mit Vektor- und Retrieval-Infrastrukturen wie pgvector, Pinecone, Qdrant, FAISS oder Azure AI Search, einschließlich der damit verbundenen Probleme bei der Retrieval-Qualität.
- Erfahrung mit Agenten-Frameworks und -Tools: LangGraph, LangChain, CrewAI, Model Context Protocol (MCP) oder native Python-Ausführungsschleifen. Uns ist wichtig, dass Sie ein zustandsbehaftetes, Tool-nutzendes System ausgeliefert haben, nicht welches Framework Sie verwendet haben.
- Sie haben eine Evaluationssuite für ein LLM-System erstellt. Design von Testdatensätzen, Modell-als-Richter- oder gleichwertige Bewertung und Regression-Tracking mit Langfuse, Ragas, LangSmith oder etwas selbst Geschriebenem. Dies ist die Anforderung, die wir am härtesten prüfen.
- Cloud-Bereitstellungserfahrung, bevorzugt Azure und akzeptabel AWS, mit Docker, CI/CD-Pipelines und Infrastructure as Code (GitHub Actions, Terraform oder Bicep).
- Diszipliniertes Arbeiten in Bezug auf Latenz, Token-Kosten und Durchsatz. Sie können erklären, was eine Funktion im Betrieb kostet und was Sie dagegen unternommen haben.
- Aktive Nutzung von KI-gestützten Coding-Tools wie Claude Code, Cursor oder GitHub Copilot in der tatsächlichen Lieferarbeit.
- Klare schriftliche und mündliche Englischkenntnisse, C1 oder höher, und die Sicherheit, einen technischen Kompromiss direkt gegenüber einem Kunden zu erklären.
- Bachelor-Abschluss in Informatik, Data Science oder einem verwandten Bereich oder gleichwertige Berufserfahrung.
Bevorzugte Qualifikationen
- Fine-Tuning und Anpassung von Open-Weight-Modellen: LoRA, QLoRA, PEFT und eine klare Einschätzung, wann Fine-Tuning die falsche Antwort ist.
- Selbst gehostete oder Open-Weight-Inferenz und -Bereitstellung sowie die Kosten- und Latenzkompromisse im Vergleich zu gehosteten APIs.
- Multimodale Systeme, die neben Text auch Vision, Sprache oder Dokumentenverständnis abdecken.
- Sicherheitsarbeit speziell für LLM-Systeme: Prompt-Injection-Tests, Red-Teaming und Output-Sanitisierung.
- Lieferung unter einem Compliance-Regime wie SOC 2 oder HIPAA.
- Streaming-, Echtzeit- oder High-Throughput-Inferenz-Workloads.
- Beiträge zu Open-Source-KI-Bibliotheken, veröffentlichte technische Artikel oder aktive Teilnahme an der KI-Engineering-Community.
- 100% Remote-First-Kultur (Arbeit überall in Lateinamerika)
- Bezahlte Freistellung (PTO)·
- US-Feiertage·
- KI-Schulungen und Zertifizierungen·
- Mentoring-basierte Karriereentwicklung·
- Gewinnbeteiligung·
- Vergütung in US-Dollar.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellenWeiter entdecken
Capgemini
Concesionaria Vuela Compañía de Aviación S.A.P.I
