Sobre Kashio

En Kashio desarrollamos tecnología financiera para que las empresas adopten

pagos digitales y automaticen sus operaciones de CxC y CxP. Acompañamos a

500+ clientes en educación, finanzas, real estate, utilities y más, y estamos

próximos a operar en 5 mercados.

Construimos una plataforma segura, intuitiva y de alto desempeño; nuestra

cultura valora la propiedad (ownership), la colaboración, el aprendizaje continuo

y el impacto.

El desafío

Buscamos un/a Senior AI/ML Engineer para crear, integrar y escalar servicios y

experiencias de producto impulsadas por IA sobre nuestros flujos de pagos y

conciliaciones. Tu trabajo conectará PSPs y pasarelas, orquestará eventos y

webhooks con idempotencia, y llevará a producción features de ML/GenAI

(detección de anomalías, scoring de riesgo, RAG sobre datos financieros,

automatizaciones de cobranza) con MLOps real.

Lo que harás

Responsabilidades Principales (80% del tiempo)

1. Servicios de IA en Producción (40%)

• Diseñar, entrenar y desplegar modelos de ML/DL/GenAI (LLMs,

embeddings, RAG, NLP) con SageMaker/Bedrock o Vertex/Azure ML

• Versionar modelos con MLflow y monitorear deriva/latencia en producción

• Exponer inferencias vía APIs y microservicios (REST/gRPC) con versionado

y SLAs claros

• Optimizar costos y latencia de inferencias en producción

2. Backend & APIs (30%)

Construir endpoints en Node.js/TypeScript o Python/FastAPI con

OpenAPI/Swagger

• Implementar seguridad OAuth2/JWT, idempotencia y rate-limiting

• Integrar la capa de IA en journeys de pagos (webhooks, contracargos,

conciliaciones, scoring)

• Construir arquitecturas event-driven (SQS/SNS/Kafka) con retries/backoff

y circuit breakers

3. Integración de Producto (20%)

• Colaborar con frontend para consolas de monitoreo de IA y vistas de

conciliación inteligente

• Implementar explicabilidad (feature importance, SHAP/metrics) en

interfaces

• Priorizar UX, performance y accesibilidad en integraciones de IA

4. MLOps & Calidad (10%)

• Automatizar CI/CD de datos/modelos (GitHub Actions/GitLab CI, IaC con

Terraform/CDK)

• Implementar trazabilidad y Data Lineage, tests de datos (contract, schema,

drift)

• Configurar monitoring (Prometheus/Grafana/OpenTelemetry)

Proyectos de Ejemplos en los que Podrias Trabajar

1. Sistema RAG para Consultas Financieras: Construir sistema de búsqueda

semántica sobre transacciones usando embeddings (OpenAI/Cohere) y

vector DB (OpenSearch/pgvector) para permitir consultas naturales sobre

datos financieros

2. Modelo de Scoring de Riesgo: Desarrollar modelo ML para priorizar

cobranzas usando features históricas (tasa de pago, monto, antigüedad) y

desplegarlo en producción con monitoreo continuo

3. Detección de Anomalías en Tiempo Real: Implementar sistema de

detección de transacciones sospechosas usando modelos de ML en

streaming (Kafka + Lambda/SageMaker)

4. Automatización de Conciliaciones: Usar NLP y matching fuzzy para

automatizar matching de referencias entre transacciones de PSPs y

registros contables

5. Chatbot Asistido por LLM: Construir asistente interno para soporte sobre

procesos de pago usando fine-tuning o RAG sobre documentación interna.

Responsabilidades Secundarias

• Colaborar en desarrollo frontend (React + TypeScript) para dashboards

internos

• Trabajar con Producto, Operaciones, Compliance y PSPs

• Participar en ceremonias ágiles, escribir RFCs y realizar code reviews

• Diseñar con privacy-by-design, KMS/Secrets Manager, OWASP Top 10,

sensibilidad PCI DSS e ISO 27001

Deberás conocer

Tecnologías Core (Must Have)

Backend:

• Node.js (TypeScript) o Python (FastAPI/Flask)

• Principios SOLID, OOP/FP

• OpenAPI/Swagger

ML/AI:

• Python (pandas, scikit-learn, PyTorch/TensorFlow)

• LangChain o frameworks similares

• MLflow para versionado

• RAG (vector DB: OpenSearch/pgvector/FAISS)

Cloud/Infra:

• AWS (Lambda, ECS/EKS, API Gateway, S3, SQS/SNS, CloudWatch,

SageMaker/Bedrock)

• Docker, Kubernetes básico

• Terraform o CDK básico

Datos:

• SQL avanzado (PostgreSQL/MySQL)

• NoSQL básico (DynamoDB/DocumentDB)

Testing:

• Unit/integration testing

• Linting/formatting

Seguridad:

• OAuth2/JWT

• KMS/Secrets Manager

• Firma y validación de webhooks

Tecnologías Importantes (Should Have)

• MLflow avanzado, Feature Store (SageMaker/Feast)

• React + TypeScript (básico, puede aprenderse)

• Airflow, Spark/PySpark

• OpenTelemetry, Prometheus/Grafana

• CI/CD productivo (GitHub Actions/GitLab CI)

Tecnologías Plus (Nice to Have)

• Next.js, GraphQL, gRPC

• GCP/Azure (Vertex AI/Azure ML, Databricks)

• Snowflake/BigQuery/Redshift

• Kafka, RabbitMQ

• Frontend avanzado (React Query/Zustand/Redux, Tailwind, Jest/RTL)

Requisitos

• 5+ años de experiencia técnica total

• 3+ años aplicando ML/AI en producción (ML clásico y/o DL/GenAI)

• 2+ años desarrollando backend (Node.js/Python)

• Experiencia en cloud (AWS preferido, mínimo Lambda/ECS + SQS/SNS +

API Gateway + S3 + CloudWatch)

• Python y SQL avanzados

• Experiencia real con LLMs/embeddings/RAG y MLOps (MLflow/SageMaker

Pipelines/Vertex Pipelines)

• Mentalidad de seguridad y performance: idempotencia, concurrencia, timeouts, retries, backoff, circuit breakers

Destacarias si conoces y/o posees experiencia en

Integraciones con PSPs de LATAM (webhooks, settlement, conciliaciones,

tokenización)

• Kafka, GraphQL o gRPC

• Databricks, Snowflake/BigQuery/Redshift

• Experiencia aplicando IA a FinOps (detección de anomalías, scoring de

riesgo, priorización de cobros)

• Explainability avanzada (SHAP/LIME)

• Sensibilidad regulatoria LATAM + familiaridad PCI DSS / ISO 27001

• Experiencia construyendo UIs internas (dashboards/console) para

monitoreo de modelos

• Pensamiento sistémico: Entender impacto de modelos ML en flujos de

negocio y experiencia de usuario

• Comunicación técnica: Explicar modelos complejos y decisiones técnicas

a stakeholders no técnicos (Producto, Compliance, Operaciones)

• Ownership: Responsabilidad end-to-end desde diseño hasta monitoreo

en producción, sin "tirar la pelota"

• Mentalidad de producto: Balancear perfección técnica con velocidad de

entrega y valor de negocio

• Resiliencia: Manejar presión de sistemas en producción 24/7, debugging

bajo presión

• Curiosidad y aprendizaje continuo: Mantenerse actualizado en rápidos

cambios de GenAI/LLMs y mejores prácticas

• Team-player: Comunicación clara, escucha activa, colaboración efectiva

con equipos multidisciplinarios

• Asertividad: Obsesión con calidad, seguridad y observabilidad, sin

comprometer velocidad.