México
Pearl
Wizdaa
Arquitecto/a Senior de Plataformas
RemotoMéxico
Argentina · Bolivia · Brazil · Mexico · United Arab Emirates
AWSGCPKubernetesTerraform
Traducción automática. Consulta el original.
Qué no encontrarás aquí
Buscamos un/a Arquitecto/a de Plataformas que pueda establecer el estándar de cómo construimos, desplegamos y operamos plataformas cloud fiables a escala. Te sitúas en la intersección de la ingeniería de plataformas y SRE. Serás responsable del camino desde el diseño de la infraestructura hasta los servicios de producción fiables, aportando rigor de DevOps a sistemas complejos.
Este no es un puesto de procesamiento de tickets, ni un puesto de investigación. Abordarás problemas difíciles: fiabilidad de la plataforma, escalabilidad, eficiencia de costes, automatización de despliegues y operaciones de cargas de trabajo. Tendrás el alcance para resolverlos adecuadamente. Los profesionales senior aquí identifican problemas antes de que se les pida y elevan el nivel de lo que la plataforma puede hacer.
Un equipo de plataforma que mantiene el status quo. Estamos construyendo activamente: nuevos requisitos de escala, nuevos dominios arquitectónicos y una huella de ML/IA que crece rápidamente. Los ingenieros senior aquí dan forma a la evolución de la plataforma, y las herramientas disponibles para hacerlo son mejores que nunca.
En qué trabajarás
- Construir y operar infraestructura backend y de IA escalable, soportando cargas de trabajo en tiempo real y batch con un enfoque en el rendimiento, la fiabilidad y la arquitectura multi-tenant.
- Diseñar y mantener flujos de trabajo de despliegue entre servicios y entornos, incluyendo versionado, despliegues por fases, lanzamientos automatizados, monitorización y estrategias de rollback seguras.
- Construir y operar sistemas LLM y agenticos en producción, integrando proveedores de modelos, APIs, gateways, herramientas y servicios externos, gestionando límites de tasa, fiabilidad, guardrails y degradación elegante.
- Desarrollar servicios reutilizables, APIs, automatización y pipelines de datos que soporten productos impulsados por IA y capacidades de plataforma internas.
- Extender la infraestructura como código a través de la plataforma utilizando Terraform y patrones reutilizables para aprovisionar y gestionar servicios cloud de forma consistente entre proyectos y entornos.
- Mantener flujos de trabajo de despliegue basados en GitOps utilizando herramientas como ArgoCD, mejorando la automatización y la consistencia entre entornos y tenants.
- Ejecutar cargas de trabajo distribuidas en Kubernetes (GKE), gestionando la escalabilidad, la ubicación de cargas de trabajo, el aislamiento de tenants, la fiabilidad del servicio y la capacidad de la infraestructura.
- Mejorar la observabilidad y fiabilidad de la plataforma a través de métricas, logging, tracing, SLOs, alertas, prácticas de respuesta a incidentes y herramientas operativas.
- Identificar mejoras de rendimiento y costes de infraestructura en servicios cloud, recursos de cómputo, APIs y cargas de trabajo de IA.
- Utilizar codificación agentica y herramientas de desarrollo de IA para acelerar el trabajo de ingeniería, incluyendo la generación de scaffolding de servicios, la generación y revisión de código de infraestructura y aplicación, la depuración y la automatización de flujos de trabajo repetitivos.
Requisitos imprescindibles
- 5+ años en ingeniería de plataformas, SRE, o infraestructura, con tiempo significativo operando sistemas de producción a escala.
- Sólida base de SRE/DevOps. Has sido responsable de la fiabilidad de servicios de producción, has definido y medido SLOs, has realizado post-mortems y has impulsado mejoras medibles.
- Profunda experiencia en Terraform. Gestionas activamente estado complejo de Terraform, módulos reutilizables y configuraciones multi-proyecto en producción, con flujos de trabajo de plan/apply impulsados por CI.
- Sólida experiencia en GitOps (ArgoCD o Flux en producción). Comprendes la gestión declarativa de infraestructura en profundidad y tienes opiniones sobre cómo hacerlo bien.
- Profundo conocimiento de Kubernetes. Has operado clusters en producción, has lidiado con fallos reales y comprendes el sistema a nivel del plano de control.
- Sólida experiencia en infraestructura cloud en al menos un proveedor público principal (AWS, Azure, o GCP), incluyendo redes, cómputo, IAM, almacenamiento y diseño multi-cuenta o multi-proyecto.
- Experiencia práctica en la construcción y operación de pipelines de CI/CD (GitHub Actions, Cloud Build, GitLab CI, o equivalente).
- Pensamiento de automatización primero a nivel senior. Implementas sistemas que eliminan categorías enteras de trabajo manual.
- Usuario activo de herramientas de codificación agentica. Sabes cómo dirigirlas eficazmente, revisar su salida críticamente y usarlas para multiplicar tu producción.
- Excelentes habilidades de comunicación. Puedes articular decisiones operativas, compromisos técnicos y resúmenes de incidentes claramente tanto a ingenieros como a líderes.
Valorable
- Experiencia en MLOps, incluyendo experiencia práctica en el despliegue y operación de cargas de trabajo de ML o IA en producción.
- Sólida experiencia en GCP, incluyendo redes VPC, Compute Engine, IAM, Cloud Storage, diseño multi-proyecto u organización, y GKE (Standard y/o Autopilot).
- Experiencia práctica con servicios de datos de GCP, especialmente BigQuery en producción: particionamiento y clustering, optimización de costes y rendimiento de consultas, e IAM a nivel de dataset. Familiaridad con al menos uno de Dataflow, Pub/Sub o Dataproc.
- Experiencia con la programación de GPUs/aceleradores y la gestión del ciclo de vida de nodos en producción (por ejemplo, aprovisionamiento automático de nodos GKE, time-sharing de GPU, o equivalente).
- Experiencia operando inferencia de LLM a escala, gestionando cuotas/throttling de proveedores (TPS/TUPS), gateways, caching y guardrails (por ejemplo, Vertex AI, Gemini API, o equivalente).
- Experiencia con herramientas de orquestación y pipelines de ML como Argo Workflows, Kubeflow, Cloud Composer/Airflow, Vertex AI Pipelines, o equivalente.
- Experiencia con registros de modelos, feature stores y seguimiento de experimentos (por ejemplo, MLflow, Feast, o equivalente).
- Familiaridad con la monitorización de drift de modelos y datos y observabilidad específica de ML.
- Experiencia en FinOps: atribución de costes de inferencia, planificación de descuentos por uso comprometido (CUD) y reservas, y previsión de capacidad de aceleradores.
- Familiaridad con infraestructura de datos como almacenamiento de objetos, pipelines CDC o patrones lakehouse.
- Experiencia con infraestructura multi-tenant: patrones de aislamiento, mitigación de vecinos ruidosos y gestión del ciclo de vida de tenants.
- Experiencia previa escalando infraestructura de ML o de plataforma en una startup que avanza hacia requisitos de nivel empresarial.
Ubicación: Remoto en LATAM
Pago en USD
Horario laboral: Zona horaria EST
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil