AI Engineer Senior
Mexico City Senior AI Engineering
At a glance
Senior AI Engineering role at GFT Technologies. Mexico City.
Pay not stated AI Engineer salary
RoleAI Engineering
SenioritySenior
LocationMexico City
PostedOct 23, 2026 · 9d ago
Role brief
aimlroles summary, based on the employer's posting.
What you'll do
- Set architecture and engineering standards for ML, LLM and retrieval products, including how MCP connects agents with tools and business systems
- Choose between managed or self-hosted models, fine-tuning, RAG, agents and deterministic methods for each use case
- Decide when traditional ML fits better than LLMs, including fraud detection, scoring and time-series work
- Lead evaluation, monitoring and improvement systems, while setting rules for reliability, privacy, security and incident response
- Guide model lifecycle, deployment, data and vendor choices, and coach engineers through design reviews
What you bring
- At least five years of relevant experience, including complex systems running in production
- Strong Python, distributed systems, APIs, cloud architecture and integration design skills
- Deep experience across ML and LLM inference, evaluation, retrieval, orchestration and optimization
- Hands-on command of traditional ML, robust evaluation, MLOps or LLMOps, and AI security practices
Who this fits
This senior role suits an engineer who can set technical direction, mentor others and explain risks and trade-offs to technical and business leaders. The position is based in Mexico City.
From the employer
Experiencia orientativa
5+ años de experiencia relevante, incluidos proyectos complejos en producción. Se prioriza el alcance
del impacto y el liderazgo técnico frente a la antigüedad.
## Responsabilidades
- Definir arquitecturas y estándares para productos basados en ML, LLMs y sistemas de recuperación.
- Evaluar alternativas: modelos gestionados o propios, fine-tuning, RAG, agentes y enfoques deterministas.
- Decidir cuándo aplicar ML tradicional (modelos tabulares, scoring, detección de fraude, series temporales) frente a enfoques basados en LLMs.
- Liderar el diseño de plataformas de evaluación, observabilidad y mejora continua.
- Establecer criterios de fiabilidad, seguridad, privacidad, gobernanza y respuesta ante incidentes.
- Optimizar coste total, rendimiento, escalabilidad, resiliencia y dependencia de proveedores.
- Guiar decisiones de datos, despliegue, versionado, experimentación y rollback.
- Desbloquear problemas complejos entre producto, ingeniería, datos, seguridad y operaciones.
- Gobernar el ciclo de vida de modelos (model registry, aprobación, retiro) y la gestión de riesgo de modelo.
- Definir la estrategia de build vs buy y la relación con proveedores y vendors.
- Establecer políticas de datos, incluyendo residencia y soberanía de datos.
- Liderar la respuesta a incidentes de IA, definiendo el runbook y los criterios de escalado.
- Mentorar ingenieros, liderar revisiones de diseño y elevar estándares de calidad.
- Comunicar riesgos, trade-offs y resultados a responsables técnicos y de negocio.
- Definir la arquitectura y los estándares de adopción de MCP para conectar agentes, herramientas y sistemas empresariales de forma gobernada.
## Competencias técnicas
- Dominio de Python, sistemas distribuidos, APIs, arquitectura cloud y patrones de integración.
- Experiencia profunda con ML/LLMs: inferencia, evaluación, recuperación, orquestación y optimización.
- Dominio de ML tradicional: modelos tabulares, scoring, detección de fraude, series temporales, selección de variables y explicabilidad (p. ej. SHAP).
- Diseño de evaluaciones robustas: datasets representativos, métricas, pruebas adversariales y análisis causal de fallos.
- MLOps/LLMOps: pipelines, despliegues progresivos, observabilidad, trazabilidad y gestión del ciclo de vida.
- Seguridad de IA: aislamiento de herramientas, permisos mínimos, protección de datos, red teaming y controles contra prompt injection.
- Capacidad para modelar costes, SLOs, capacidad, resiliencia y riesgos de terceros.
- MCP: arquitectura de ecosistemas cliente-servidor, interoperabilidad, evolución de contratos, autenticación/autorización, aislamiento de herramientas, observabilidad y gobierno de integraciones.
- Context engineering: diseño y gestión del contexto qeu recibe el modelo (instrucciones del sistema, memoria, recuperación, herramientas y estado), con estrategias de compactación, priorización, y control de la ventana de contexto para optimizar fiabilidad, latencia y coste
- SDD y TDD: establece el flujo de especificación previa (requisitos y criterios de aceptación antes del diseño y del código) y la disciplina de pruebas primero, definiendo estándares de testing y trazabilidad entre especificación, pruebas e implementación.
5+ años de experiencia relevante, incluidos proyectos complejos en producción. Se prioriza el alcance
del impacto y el liderazgo técnico frente a la antigüedad.
## Responsabilidades
- Definir arquitecturas y estándares para productos basados en ML, LLMs y sistemas de recuperación.
- Evaluar alternativas: modelos gestionados o propios, fine-tuning, RAG, agentes y enfoques deterministas.
- Decidir cuándo aplicar ML tradicional (modelos tabulares, scoring, detección de fraude, series temporales) frente a enfoques basados en LLMs.
- Liderar el diseño de plataformas de evaluación, observabilidad y mejora continua.
- Establecer criterios de fiabilidad, seguridad, privacidad, gobernanza y respuesta ante incidentes.
- Optimizar coste total, rendimiento, escalabilidad, resiliencia y dependencia de proveedores.
- Guiar decisiones de datos, despliegue, versionado, experimentación y rollback.
- Desbloquear problemas complejos entre producto, ingeniería, datos, seguridad y operaciones.
- Gobernar el ciclo de vida de modelos (model registry, aprobación, retiro) y la gestión de riesgo de modelo.
- Definir la estrategia de build vs buy y la relación con proveedores y vendors.
- Establecer políticas de datos, incluyendo residencia y soberanía de datos.
- Liderar la respuesta a incidentes de IA, definiendo el runbook y los criterios de escalado.
- Mentorar ingenieros, liderar revisiones de diseño y elevar estándares de calidad.
- Comunicar riesgos, trade-offs y resultados a responsables técnicos y de negocio.
- Definir la arquitectura y los estándares de adopción de MCP para conectar agentes, herramientas y sistemas empresariales de forma gobernada.
## Competencias técnicas
- Dominio de Python, sistemas distribuidos, APIs, arquitectura cloud y patrones de integración.
- Experiencia profunda con ML/LLMs: inferencia, evaluación, recuperación, orquestación y optimización.
- Dominio de ML tradicional: modelos tabulares, scoring, detección de fraude, series temporales, selección de variables y explicabilidad (p. ej. SHAP).
- Diseño de evaluaciones robustas: datasets representativos, métricas, pruebas adversariales y análisis causal de fallos.
- MLOps/LLMOps: pipelines, despliegues progresivos, observabilidad, trazabilidad y gestión del ciclo de vida.
- Seguridad de IA: aislamiento de herramientas, permisos mínimos, protección de datos, red teaming y controles contra prompt injection.
- Capacidad para modelar costes, SLOs, capacidad, resiliencia y riesgos de terceros.
- MCP: arquitectura de ecosistemas cliente-servidor, interoperabilidad, evolución de contratos, autenticación/autorización, aislamiento de herramientas, observabilidad y gobierno de integraciones.
- Context engineering: diseño y gestión del contexto qeu recibe el modelo (instrucciones del sistema, memoria, recuperación, herramientas y estado), con estrategias de compactación, priorización, y control de la ventana de contexto para optimizar fiabilidad, latencia y coste
- SDD y TDD: establece el flujo de especificación previa (requisitos y criterios de aceptación antes del diseño y del código) y la disciplina de pruebas primero, definiendo estándares de testing y trazabilidad entre especificación, pruebas e implementación.
AI Engineering work from LinkedIn, X, Reddit and Upwork, in one list.
Each morning you get everything that fits, strongest first.
AI Engineering
Find me workBy the team behind aimlroles.