AI Engineer - People Analytics

🚀 ¿Por qué trabajar en Xepelin?

Xepelin está transformando las finanzas empresariales en Latinoamérica con una suite de productos que automatizan la gestión financiera y facilitan el acceso a liquidez. Con el objetivo de convertirse en el CFO digital de todo negocio, ha desarrollado tecnología financiera que impacta en todo el ecosistema empresarial.

Gracias a la data obtenida por la interacción de +1M de empresas dentro de su network, se construye un sistema de inteligencia de negocios que da visibilidad de indicadores financieros y evaluaciones de riesgo de la red con la que se colabora, ayudando a que la toma de decisiones sea más rápida y segura.

Nuestros principios ¿Cómo operamos?

🎯 Ponemos a nuestros clientes en el centro

✨ Creemos e inspiramos

🧑‍💼 Actuamos como dueños

🏅 Lideramos con el ejemplo

🏆 Nos desafiamos para ganar

🧠 Tomamos riesgos con inteligencia

🤖 Usamos el poder de la tecnología

¿Qué estamos buscando?

En Xepelin estamos buscando personas creativas y visionarias que piensen fuera de la caja para sumarse a nuestro equipo. Si te apasiona resolver desafíos interesantes de alto impacto y quieres ser parte de un entorno dinámico que está transformando la industria financiera, ¡Esta oportunidad es para ti!

Si te motiva el desafío de construir soluciones innovadoras en un entorno de rápido cambio, queremos conocerte.

Únete a nosotros, ¡crezcamos juntos!

¿Qué necesitas para brillar?

Título universitario en Ingeniería Informática, Industrial o carrera afín.

Experiencia de al menos 3 años llevando People Analytics

Dominio sólido de Python para desarrollo de aplicaciones, manejo de APIs y estructuras de datos.

Experiencia práctica en sistemas RAG y construcción de pipelines

Conocimiento de GCP, Vertex AI, Cloud Run y BigQuery.

Experiencia práctica en SQL de nivel intermedio-avanzado y herramientas de manejo/transformación de datos como Composer.

Experiencia con Model Context Protocol (MCP) o frameworks de agentes multi-herramienta.

Experiencia en arquitecturas de evaluación de LLMs: métricas de calidad, hallucination detection y benchmarks de prompts.

Conocimiento de prácticas de MLOps/LLM Ops (versionamiento con Git, CI/CD, contenedores Docker y observabilidad).

Conocimientos de prácticas en orquestación de agentes LangChain, LangGraph y LlamaIndex. Manejo de vector db.

Experiencia en entornos fintech e industria financiera es un plus.