Estamos buscando un/a Engineering Manager — Hands-On para liderar un equipo de ingeniería que trabaja en la construcción de una nueva generación de asistentes inteligentes de voz y texto para la industria bancaria.

Es un rol que combina people management, liderazgo técnico y ejecución.

Alguien que pueda discutir estrategia con el liderazgo, definir prioridades con Product, diseñar una arquitectura con Staff/Senior Engineers y, cuando haga falta, abrir el IDE y meterse a resolver un problema.

Buscamos un Engineering Manager que construya equipos fuertes, pero que siga siendo técnicamente relevante.

Responsabilidades:

People Leadership

• Liderar, acompañar y desarrollar un equipo de Software Engineers.

• Realizar 1:1s, feedback y seguimiento del desarrollo profesional.

• Definir objetivos y generar ownership dentro del equipo.

• Participar en hiring, entrevistas y onboarding.

• Construir una cultura de colaboración, autonomía y mejora continua.

Technical Leadership

• Definir y evolucionar la arquitectura junto al equipo.

• Participar en system design y decisiones técnicas importantes.

• Revisar código y mantener estándares de calidad.

• Investigar y resolver problemas técnicos complejos y de producción.

• Identificar y gestionar deuda técnica.

• Asegurar buenas prácticas de testing, observabilidad, seguridad y performance.

• Balancear velocidad de delivery con calidad y sostenibilidad técnica.

AI & Conversational Engineering

El equipo trabaja en sistemas de AI conversacional de voz y texto, por lo que será importante tener interés y experiencia en algunas de estas áreas:

• LLMs y Generative AI.

• AI Agents y sistemas multi-agente.

• Agent orchestration y workflows.

• RAG, tool calling y manejo de contexto/memoria.

• Voice AI: STT, TTS, streaming y experiencias de baja latencia.

• Evaluación, observabilidad y debugging de sistemas basados en LLMs.

• Guardrails, seguridad y control de acciones de agentes.

• Integración con APIs y sistemas empresariales.

• Arquitecturas escalables y resilientes.

En un contexto bancario, será especialmente importante entender que un agente no puede simplemente “decidir y ejecutar”: las acciones sensibles necesitan controles, permisos, trazabilidad, validaciones y mecanismos de escalamiento. (Deloitte)

AI para Software Engineering

Esperamos que el/la Engineering Manager también sea un referente en el uso de AI para mejorar la forma en que desarrollamos software.

Esto incluye:

• Uso efectivo de coding agents como parte del workflow diario.

• Definición de buenas prácticas para AI-assisted coding.

• Uso de agentes para generación de código, testing, debugging, documentación y refactoring.

• Orquestación de múltiples coding agents cuando aporte valor.

• Definición de quality gates y mecanismos de revisión del código generado por AI.

• Promover workflows donde los engineers utilicen AI sin perder ownership sobre el código y las decisiones técnicas.

La idea no es simplemente “usar AI para programar más rápido”, sino rediseñar el engineering workflow para aprovechar agentes manteniendo calidad, seguridad y control

Delivery

• Trabajar junto a Product para transformar objetivos de negocio en planes técnicos.

• Definir prioridades, milestones y alcance.

• Identificar riesgos y dependencias.

• Mejorar la previsibilidad del delivery.

• Asegurar que las iniciativas lleguen a producción con el nivel adecuado de calidad.

• 8+ años de experiencia en software engineering.

• 3+ años liderando equipos de ingeniería.

• Sólida experiencia desarrollando software en producción.

• Experiencia con arquitectura de sistemas distribuidos y APIs.

• Experiencia trabajando con codebases complejos.

• Experiencia en cloud, bases de datos, CI/CD y observabilidad.

No esperamos experiencia en todo el stack, pero será valorado tener experiencia con varias de estas tecnologías:

Backend: Java, Kotlin, Python, Scala, Node.js, APIs, microservices.

Frontend: TypeScript, React, arquitecturas frontend modernas, Design Systems.

AI: LLMs, RAG, AI Agents, LangGraph/LangChain u otros frameworks de agentes, MCP, tool calling, vector databases, evaluation.

Voice AI: STT, TTS, streaming, WebRTC/telephony y arquitecturas de baja latencia.

Cloud: AWS, GCP o Azure, Docker, Kubernetes, CI/CD.