El puesto
OODARIS es el Agentic OS para decisiones de retail. Cada noche detecta qué ha cambiado en el negocio de una empresa de retail, explica por qué y propone una corrección que un planificador aprueba por la mañana. ALDO Group respalda OODARIS y lo usa en producción en ALDO, Sperry, Call It Spring y G.H. Bass.
Estamos al principio. OODARIS cubre diez capacidades de planificación, compra, distribución y venta: la planificación financiera de mercancías (MFP) y el presupuesto de compra (open-to-buy) están en producción en ALDO Group. Cinco ya están disponibles para nuevos clientes, y cinco más llegarán pronto. Trabajarás directamente con el fundador y con nuestros ingenieros.
Te encargarás de la capa de agentes: cómo planifican los agentes, cómo llaman a herramientas y recuperan datos, y cómo evaluamos y trazamos lo que hacen. Por defecto, no se escribe nada en los sistemas de la empresa de retail hasta que la persona responsable de la decisión lo aprueba, y tu código tiene que garantizarlo.
El stack es Python asíncrono y FastAPI, Postgres con búsqueda vectorial, Redis y Docker, con trazas de OpenTelemetry y una capa de modelos que funciona con varios proveedores de LLM.
Qué harás
- Construir los flujos multiagente de cada decisión, con entradas y salidas tipadas en cada llamada a herramientas.
- Dar a cada flujo una vía de recuperación definida para cuando una herramienta falla, agota el tiempo de espera o devuelve datos erróneos.
- Encargarte de la recuperación de información sobre Postgres con búsqueda vectorial: fragmentación, indexación y búsqueda híbrida, cada una con objetivos de latencia, calidad y coste.
- Operar la capa de modelos con varios proveedores de LLM, con caché, enrutamiento y alternativas de respaldo.
- Construir el conjunto de evaluaciones: juegos de prueba offline, pruebas de regresión en la CI y casos de red team que miden el anclaje en los datos, el éxito de las llamadas a herramientas y el coste por tarea.
- Trazar cada ejecución de un agente, desde los datos de entrada hasta la corrección que propone, con logs estructurados y trazas de OpenTelemetry.
- Convertir en casos de evaluación las preguntas que los planificadores hacen a OODIE, el agente con el que hablan.
Tus primeros 90 días
- Día 30: un primer cambio en un flujo de agentes en producción, ya desplegado, con una evaluación que se ejecuta en la CI.
- Día 60: un flujo de agentes del que eres responsable de principio a fin, con trazas, alertas y una vía de recuperación para cada herramienta a la que llama.
- Día 90: una mejora de ese flujo puesta en producción, en anclaje, éxito de las herramientas, latencia o coste por tarea, medida con respecto a la referencia que fijaste el día 60.
Lo que aportas
- Al menos 5 años como ingeniero o ingeniera de software, de ellos al menos 2 poniendo en producción sistemas de LLM o de machine learning.
- Un sistema de LLM, de agentes o de recuperación de información que pusiste en producción, del que dependían otras personas y que mantuviste en marcha después del lanzamiento.
- Evaluaciones que construiste para un sistema de LLM y que usaste para decidir si un cambio salía a producción.
- Servicios asíncronos en Python que construiste y operaste en producción, con FastAPI o un framework similar.
- Un incidente de producción que diagnosticaste a partir de trazas y logs, corrigiendo la causa y no solo el síntoma.
- Redacción clara: notas de diseño a partir de las cuales otros ingenieros puedan construir.
Se valorará que hayas evaluado y ajustado la recuperación de información con modelos de reranking, ajustado modelos con adaptadores como LoRA o mapeado datos de producto entre sistemas PIM y ERP.
Ubicación
Preferimos Montreal; también puedes trabajar en remoto desde Canadá, con horas centrales en horario del Este (ET). Hablar francés es un plus, no un requisito.
Proceso de selección
- Una llamada inicial de 30 minutos.
- Una conversación técnica: explícanos un sistema que hayas construido en tu área más fuerte (agentes, recuperación de información, inferencia o evaluación), las decisiones de diseño que tomaste y cómo supiste que funcionaba.
- Una sesión práctica: un problema realista de agentes o de recuperación de información de nuestro producto, que resolverás con nuestros ingenieros.
- Conversaciones con el equipo, incluidos producto e ingeniería.
- Una conversación final con el fundador y llamadas de referencia con antiguos responsables.
Cómo presentar tu candidatura
Usa el formulario de esta página o escribe a careers@oodaris.ai con «Ingeniero de IA» en el asunto. Háblanos de un sistema de LLM o de agentes que hayas construido: qué hacía, cómo mediste si funcionaba y una decisión que hoy tomarías de otra manera.
Responsable de contratación

Fatih Nayebi
Fundador y CEO
Datos clave
- Equipo
- Plataforma de agentes
- Áreas de enfoque
- Sistemas multiagente, Recuperación de información y evaluación, Inferencia de LLM en producción
- ¿Preguntas?
- careers@oodaris.ai
Otros roles abiertos
- Responsable de producto de IAPlataforma de agentes
- Founding Account Executive – IA para retailVentas
- Ingeniero full stackIngeniería de producto





