Growth Engineer

REQUISITOS DEL CARGO

Estudios: Ingeniería Civil en Computación o Informática, Ingeniería Civil Industrial con foco en datos, Ingeniería de Ejecución en Informática o carrera afín.

Experiencia:

2 a 4 años desarrollando software o soluciones de datos que hayan llegado a producción, idealmente en startups, fintech o equipos de producto. Portafolio o GitHub con proyectos propios.

Conocimientos requeridos:

Diseño de bases de datos relacionales y SQL avanzado; construcción de agentes de IA en producción con al menos un framework, tool calling, MCP, RAG, evals y observabilidad; pipelines ETL/ELT; APIs REST y webhooks; tracking de eventos; Git / GitHub y uso criterioso de asistentes de código con IA.

Deseables:

dbt y orquestadores, herramientas de eventos, machine learning para scoring, sistemas de recomendación o Next Best Action; colas y procesamiento en tiempo real; agentes de voz.

Misión del Cargo

Diseñar, construir y llevar a producción soluciones de datos, agentes de IA y automatización que permitan a Capitaria conocer mejor a sus clientes y acompañarlos en cada etapa de su ciclo de vida. El cargo parte de prototipos simples, mide sus resultados y hace crecer las soluciones que demuestran valor, contribuyendo a mejores decisiones comerciales bajo los lineamientos definidos por la estrategia.

RESPONSABILIDADES DEL CARGO

Datos del cliente

Construir y mantener pipelines y modelos de datos que integren a las distintas fuentes de la compañía (CRM propio, plataforma de trading, WhatsApp, llamadas, web y campañas) en una visión única de cada cliente.

Instrumentación y calidad de datos

Diseñar, junto a Marketing y a las áreas de negocio, el tracking de eventos que asegure datos completos, consistentes y confiables.

Modelos y motores de decisión

Llevar a producción modelos de scoring, recomendación y reglas de negocio automatizadas, incorporando desde el diseño límites de contacto que cuiden la experiencia del cliente.

Agentes de IA y automatizaciones

Construir y operar agentes basados en modelos de lenguaje, conectados a bases de datos, al CRM propio y a APIs internas, de forma segura, trazable y eficiente en costos.

Prototipado y experimentación

Transformar hipótesis de negocio en prototipos funcionales y medir su impacto con diseños experimentales, para decidir con evidencia qué escalar.

Puesta en producción y traspaso a TI

Desplegar y mantener operativas las soluciones y, cuando requieran escalar a la infraestructura core, traspasarlas a TI según el estándar de handoff definido.