Software Architect

Sobre Creai
En Creai, nos especializamos en aprovechar el poder de la inteligencia artificial y el aprendizaje automático para transformar negocios. Nuestra misión es ayudar a los clientes a reducir costos, aumentar la eficiencia y desbloquear nuevas oportunidades mediante soluciones de IA de vanguardia.
Descripción del Puesto
Como Senior Software/Systems Architect en Creai, tu rol central ya no es implementar cada componente a mano, sino diseñar, dirigir y validar las arquitecturas con las que tu equipo —y los agentes de IA que lo asisten— construyen sistemas escalables, seguros y mantenibles. Usarás tu dominio técnico y de negocio para tomar las decisiones que ningún agente puede tomar por delegación: qué patrón arquitectónico usar, qué trade-offs de escalabilidad y seguridad son aceptables, y qué tanto confiar en una propuesta generada antes de que llegue a producción.
Serás responsable de que la velocidad que da la IA no se traduzca en deuda técnica invisible: un servicio generado por un agente puede pasar todos los tests, seguir el patrón correcto, y aun así introducir acoplamiento oculto, un supuesto de escala equivocado o una superficie de ataque que nadie pidió — y estos errores rara vez se ven en el código, se ven meses después, cuando el sistema falla bajo carga o un pentest los expone. Trabajarás estrechamente con equipos de desarrollo, otros arquitectos y stakeholders técnicos para asegurar que cada implementación cumpla con los más altos estándares de calidad, seguridad y performance, definiendo los estándares técnicos y las prácticas de supervisión de IA que el resto de la organización sigue.
Este puesto exige
Diseñar arquitecturas técnicas detalladas para aplicaciones complejas basadas en IA/ML, definiendo estructura de componentes, patrones de diseño y tech stack específico para cada proyecto, sin importar si la implementación posterior la ejecuta el equipo, agentes de IA, o ambos.
Tomar decisiones arquitectónicas críticas sobre frameworks, librerías, bases de datos y servicios cloud que impacten la escalabilidad, performance y mantenibilidad de las soluciones — decisiones de largo plazo que ningún agente de IA puede tomar por delegación.
Definir los límites de la delegación: qué componentes o servicios pueden generarse y validarse con apoyo de agentes de IA, qué decisiones arquitectónicas exigen diseño humano previo, y qué sistemas —por su exposición a datos sensibles, impacto regulatorio o costo de reversión— no admiten generación sin verificación formal.
• Liderar técnicamente equipos de desarrollo de 4-10 personas, proporcionando dirección arquitectónica clara y resolviendo blockers técnicos complejos.
• Diseñar e implementar estrategias de integración entre múltiples sistemas, servicios y aplicaciones, definiendo APIs, protocolos de comunicación y flujos de datos.
• Asegurar que las arquitecturas implementadas cumplan con mejores prácticas de seguridad, incluyendo encryption, authentication, authorization y compliance con regulaciones relevantes.
• Realizar code reviews de alto nivel enfocados en preocupaciones arquitectónicas, design patterns, vulnerabilidades de seguridad y performance bottlenecks.
• Diseñar arquitecturas de datos complejas incluyendo data pipelines, feature stores, infraestructura de model serving y estrategias de data governance.
• Definir e implementar patrones arquitectónicos reutilizables que puedan ser aplicados consistentemente entre proyectos para mejorar velocity y quality.
• Crear y mantener documentación arquitectónica detallada incluyendo architecture decision records (ADRs), diagramas de sistemas, integration patterns y guías técnicas.
• Establecer y hacer cumplir estándares de calidad técnica, incluyendo métricas de calidad de código, estrategias de testing, prácticas de CI/CD y enfoques de monitoring.
• Diseñar arquitecturas de sistemas de ML/IA que consideren entrenamiento de modelos, versionado, serving, monitoring y reentrenamiento en entornos de producción.
• Identificar y resolver deuda técnica proactivamente, balanceando timelines de entrega con preocupaciones de mantenibilidad y escalabilidad a largo plazo.
• Proveer mentoría técnica a desarrolladores menos experimentados, compartiendo conocimiento sobre patrones arquitectónicos, mejores prácticas y tecnologías emergentes.
• Colaborar con otros arquitectos para asegurar consistencia arquitectónica entre proyectos y compartir aprendizajes sobre patrones exitosos y anti-patterns a evitar.
• Participar hands-on en implementación de componentes críticos o complejos, dedicando aproximadamente 20-30% del tiempo a coding activo.
• Evaluar y recomendar nuevas tecnologías, frameworks y herramientas que puedan mejorar las capacidades técnicas del equipo o la eficiencia de desarrollo.
• Diseñar estrategias de observability y monitoring para sistemas en producción, incluyendo enfoques de logging, metrics, tracing y alerting.
• Asegurar que las arquitecturas diseñadas consideren non-functional requirements como performance, reliability, availability y disaster recovery.
• Facilitar sesiones técnicas de design review con equipos de desarrollo para validar enfoques e identificar problemas potenciales temprano.
• Trabajar en la resolución de incidentes críticos de producción, aplicando expertise arquitectónico para diagnosticar root causes e implementar soluciones definitivas.
Habilidades y experiencia requeridas
• 5-7 años de experiencia en desarrollo de software, con al menos 2-3 años en roles de arquitectura de software, liderazgo técnico o posiciones similares de alto impacto técnico.
• Experiencia comprobada diseñando e implementando arquitecturas de aplicaciones complejas utilizando frameworks modernos y design patterns (microservices, event-driven, domain-driven design).
• Dominio profundo de al menos dos lenguajes de programación (Python, Node.js, Java, Go) y capacidad para realizar code review efectivo en múltiples lenguajes.
• Experiencia sólida con plataformas cloud (AWS preferido) incluyendo servicios de compute, bases de datos administradas, messaging systems y arquitecturas serverless.
• Experiencia práctica diseñando e implementando sistemas de ML/IA en producción, incluyendo model serving, pipelines de feature engineering e infraestructura de ML.
• Conocimiento profundo de diseño de bases de datos para SQL y NoSQL, incluyendo optimización, estrategias de sharding y patrones de modelado de datos.
• Experiencia diseñando e implementando APIs RESTful y GraphQL, incluyendo versionado de APIs, authentication/authorization y estrategias de rate limiting.
• Dominio de mejores prácticas de seguridad incluyendo secure coding, estrategias de encryption, identity management, network security y vulnerability assessment.
• Experiencia con prácticas y herramientas de DevOps incluyendo pipelines de CI/CD, infrastructure as code (Terraform, Pulumi), containerización (Docker, Kubernetes).
• Capacidad comprobada para liderar equipos técnicamente sin autoridad jerárquica directa, influenciando a través de expertise y credibilidad técnica.
• Experiencia implementando soluciones de observability con herramientas como Prometheus, Grafana, ELK stack, Datadog o CloudWatch.
• Comprensión sólida de software architecture patterns y cuándo aplicar cada uno: layered, hexagonal, CQRS, event sourcing, strangler fig, etc.
• Experiencia con estrategias de testing incluyendo unit testing, integration testing, contract testing y frameworks de performance testing.
• Habilidades sólidas de comunicación técnica con capacidad de explicar decisiones arquitectónicas y trade-offs a diferentes audiencias técnicas.
Habilidades y experiencia deseables
• Certificaciones relevantes en arquitectura cloud (AWS Solutions Architect Professional, Google Cloud Professional Architect) o seguridad (CISSP, CEH).
• Experiencia con distributed systems patterns incluyendo consensus algorithms, eventual consistency, circuit breakers y service mesh architectures.
• Conocimiento de frameworks de compliance como SOC2, HIPAA, GDPR y su impacto en decisiones arquitectónicas.
• Experiencia con vector databases y retrieval systems para arquitecturas RAG y aplicaciones de similarity search.
• Conocimiento de MLOps best practices y herramientas como MLflow, Kubeflow, SageMaker Pipelines o plataformas similares de ML lifecycle management.
• Experiencia con real-time data processing frameworks como Apache Kafka, Apache Flink, Kinesis o arquitecturas de streaming similares.
• Participación en

Work arrangement
No