De un vistazo
- Tareas: Únete al AI Lab y valida tecnologías emergentes de IA en fintech.
- Empresa: dLocal, una empresa global de pagos con un enfoque innovador.
- Beneficios: Salario competitivo, beneficios de salud y oportunidades de desarrollo profesional.
- Otra información: Ambiente dinámico con oportunidades de crecimiento profesional.
- Por qué este empleo: Trabaja en la vanguardia de la IA aplicada y haz un impacto real.
- Cualificaciones: Experiencia en ingeniería de software y habilidades en evaluación técnica.
El salario previsto está entre 49500 - 60500 € por año.
- You will join the AI Lab, a team whose mission is to validate high-value emerging AI and automation technologies and de-risk their adoption across d Local
- This is a rare opportunity to work at the frontier of applied AI in fintech: running rigorous experiments on the latest models and tools, and turning results into decisions that shape how a global payments company adopts AI
- This is a senior individual-contributor role
- It does not require direct people management, but it carries significant technical influence within the Lab and across the teams that consume its work
- As a Staff AI Engineer in the AI Lab, you own technology scouting, prototyping, and evaluation for d Local
- You will run instrumented spikes and benchmarking on emerging AI technologies, produce clear recommendations for stakeholders across engineering, business, legal and IT based on your prototypes, and coordinate hand-offs to the teams that take validated technologies into production
- For promising technologies, you will help define the patterns, guardrails, and technical requirements needed for adoption and coordinate the hand-off to the engineering teams responsible for productionizing them
- Technology Scouting & Evaluation
- Run short, instrumented spikes and benchmarking on new models, tools and frameworks: LLMs, agentic systems, vector databases, orchestration frameworks, copilots, assistants and more
- Compare vendor and open-source options, documenting trade-offs across quality, cost, latency, security and integration complexity
- Deliver concise decision memos with clear recommendations: adopt, watch, or avoid
- Evaluation Harnesses & Sandboxes
- Design and maintain evaluation environments (e. g. datasets, prompts, scenarios, telemetry) to test models under realistic constraints
- Build automation and tooling to measure quality, robustness, latency and cost, including regression tracking over time
- Ensure every evaluated technology has benchmark coverage and a documented risk and limitations view
- Prototyping & Technical Validation
- Build enough of a system to understand how a technology behaves under realistic conditions, not just in vendor demos or isolated examples
- Explore architecture, integration patterns, operational constraints, security boundaries, and failure modes through working prototypes
- Determine what must be true for a proof of concept to become a viable production capability
- Prefer focused prototypes that answer specific technical questions over prematurely building production systems
- Recommendations, Readiness & Hand-offs
- Translate technical findings into clear decision memos for both technical and non-technical stakeholders
- For validated technologies, produce readiness guidance covering recommended patterns, guardrails, known limitations, operational considerations, and integration requirements
- Coordinate hand-offs to the engineering teams responsible for productionization
- Support those teams during the transition when deep context from the evaluation is required, without becoming the permanent owner of the resulting system
- Track what happens after Lab recommendations and use those outcomes to improve future evaluation methods
- Governance, Risk & Standards
- Work with Security, Legal, Compliance and other AI teams to document risk assessments, mitigations and governance recommendations for each evaluated technology
- Maintain checklists, decision templates and lightweight standards reusable across evaluations and by partner teams
- Incorporate learnings from third-party AI tooling already in use, such as external copilots and the AWS AI suite, into adoption guidelines
- Collaboration, Mentoring & Community
- Partner with other AI teams and domain teams to ensure clear boundaries and smooth collaboration
- Participate in hiring as a technical evaluator and culture champion
- Mentor engineers in the Lab and adjacent teams on evaluation methods, benchmarking and experimental design
- Share knowledge through internal write-ups, tech talks and occasional external meetups and conferences
Experience building agentic or multi-step AI systems involving tool use, orchestration, state, retrieval, or external integrations8+ years of software engineering experience, including significant experience operating at senior or Staff-level scope Experience with observability, telemetry, testing, and benchmarking of complex systems Ability to reason about system architecture, reliability, scalability, asynchronous workflows, and distributed components where relevant Deep hands-on experience building and evaluating systems based on LLMs and modern AI tooling Strong knowledge of cloud infrastructure, preferably AWS, and the ability to run experimental workloads securely and cost-consciously Track record of designing experiments or benchmarks that influenced meaningful technical decisions Strong software engineering fundamentals and the ability to rapidly build high-quality experimental systems Experience constructing evaluation datasets: task selection, labelling, holdout discipline, and keeping a set useful as models improve Working knowledge of LLM-as-judge methods and their failure modes, alongside human evaluation, inter-annotator agreement, and a view on when each is appropriate Familiarity with regression tracking, telemetry and versioning, so that a result stays reproducible months later Able to reason about statistical significance on small samples, and to state confidence honestly rather than over-reading a result Track record designing and running benchmarks that compare AI models and tools under real constraints Experience writing short, opinionated decision memos that help others move fast Comfortable making trade-off calls across quality, latency, cost and vendor lock-in, and documenting them clearly Able to turn ambiguous “we should try this new thing” ideas into well-scoped evaluation plans with clear hypotheses and metrics Can explain technical results to non-specialists in concrete, concise terms Able to influence without authority, aligning teams around shared standards and guardrails Experience working with platform, product and operations teams to align evaluations with real use cases Curious and biased toward experimentation, combined with disciplined measurement and risk awareness Comfortable in a small, high-leverage team without embedded PMs.
You structure your own work and keep stakeholders informed Builder attitude: you prefer reusable tools, templates and playbooks over one-off work
Staff AI Engineer (AI Labs) in Madrid empresa: dLocal
Esta empresa fintech líder en Barcelona se destaca como un excelente empleador gracias a su compromiso con el desarrollo del talento y un entorno de trabajo flexible que fomenta la innovación. Ofrecen oportunidades significativas para el crecimiento profesional, permitiendo a los empleados contribuir activamente a la optimización de flujos de pago con tarjetas, lo que resulta en un trabajo significativo y gratificante.
Consejo de los expertos de StudySmarter🤫
Creemos que así podrías conseguir Staff AI Engineer (AI Labs) in Madrid
✨Conviértete en un contribuyente activo
Una de las mejores maneras de destacar en el campo de la ingeniería y desarrollo de software es contribuir a proyectos de código abierto. Participar en estas comunidades no solo te ayuda a mejorar tus habilidades, sino que también te permite conectar con otros desarrolladores y potenciales empleadores.
✨Haz networking en eventos del sector
Asistir a meetups de tecnología y conferencias de software es clave. Además de aprender, conocerás a personas y empresas que podrían estar buscando talento como el tuyo. ¡Nunca subestimes el poder del contacto personal!
✨Muestra tus proyectos personales
Si estás buscando una jornada completa, asegúrate de tener un portafolio en línea que muestre tus proyectos. Plataformas como GitHub son esenciales para demostrar tus habilidades. ¡Haz que tu código brille y compártelo con nosotros!
✨Aplica directamente en nuestro sitio
No dudes en aplicar a las ofertas de dLocal directamente a través de nuestra página web. Esto no solo muestra tu interés, sino que también te permite ser parte del proceso desde el principio. ¡Estamos deseando conocerte!
Creemos que necesitas estas habilidades para triunfar como Staff AI Engineer (AI Labs) in Madrid
Algunos consejos para tu solicitud 🫡
Destaca tus proyectos en GitHub:Como ingeniero en desarrollo de software, es esencial que muestres tus habilidades a través de proyectos concretos. Asegúrate de incluir tu perfil de GitHub en tu currículum y destacar aquellos proyectos que más te representen. ¡Queremos ver lo que has creado y cómo has resuelto problemas en el pasado!
Menciona tu stack tecnológico:En una jornada completa, es clave que tengas un dominio sólido de las tecnologías que mencionas en tu currículum. Haz una lista clara de las herramientas y lenguajes de programación que manejas, junto con cualquier certificación relevante que hayas obtenido. Esto nos ayudará a ver rápidamente si eres el candidato adecuado para dLocal.
Personaliza tu carta de presentación:No te limites a un formato estándar; personaliza tu carta de presentación para que refleje tu motivación específica por unirte a dLocal. Habla sobre tus objetivos profesionales y cómo crees que encajas en el equipo, mostrando un poquito de tu personalidad. ¡Queremos conocerte más allá de lo que dice tu CV!
Revisa los requisitos del puesto:Asegúrate de que tu CV y carta de presentación correspondan a lo que buscamos para Staff AI Engineer (AI Labs). Escanea la descripción del trabajo y busca palabras clave y habilidades que resalten. Incluye ejemplos concretos de tu experiencia que demuestren que cumples con lo que estamos buscando. ¡No te olvides de aplicar a través de nuestra web para que podamos procesar tu aplicación de manera rápida!
Cómo prepararte para una entrevista de trabajo en dLocal
✨Dominando el código
Prepárate para un posible reto de codificación durante la entrevista. Es muy común que nos hagan resolver problemas en tiempo real, así que practica en plataformas como LeetCode o HackerRank. Esto no solo te ayudará con la lógica de programación, sino que también te dará confianza.
✨Demuestra tus proyectos
Si has trabajado en proyectos de software, ya sea personal o en equipo, asegúrate de tener una presentación lista. Comparte tu portafolio y destaca las tecnologías que utilizaste. Esto no solo muestra tus habilidades técnicas, sino también tu capacidad para trabajar en proyectos reales.
✨Conoce tu stack
Investiga las herramientas y lenguajes que usa dLocal. Si mencionan un stack tecnológico específico en la descripción del trabajo, asegúrate de tener ejemplos claros de cómo lo has utilizado en tus experiencias anteriores. Esto muestra que no solo estás interesado, sino que puedes encajar perfectamente.
✨Estrategia de trabajo en equipo
Como buscamos un puesto de jornada completa en ingeniería, es importante demostrar habilidades de trabajo en equipo. Prepárate para responder preguntas sobre cómo colaboras con otros desarrolladores, cómo manejas conflictos y cuál es tu enfoque para recibir y dar retroalimentación. Esto es clave en un entorno profesional.