Full Stack Engineer AI-Native

La empresa

Batu está construyendo el backend del sector eléctrico mexicano. Procesamos datos de CFE, monitoreamos dispositivos como paneles, EVs y baterías, y calculamos ahorros en tiempo real para instaladores, integradores y corporativos con múltiples sedes. Somos un equipo chico, pura gente técnica, con la meta clara de convertirnos en el sistema operativo del sector eléctrico en México. Somos una compañía AI native, aspiramos a hacer algo muy grande, con un equipo muy chico pero de alta agencia.

Lo que harás

No buscamos a alguien que use AI para autocompletar. Buscamos a alguien que construya los agentes que construyen el producto. La mitad de este rol es Full Stack engineering; la otra mitad es diseñar y operar los sistemas de agentes que automatizan el desarrollo y el servicio a clientes.

Full Stack — Plataforma Batu

• Features de producto — dashboards energéticos, módulo de recibos CFE, gestión multi-organización y aislamiento de tenants
• Monitoreo de activos — inversores solares, baterías, cargadores de EVs, medidores de consumo
• Backend & APIs — endpoints con Next.js + ts-rest, Drizzle ORM, PostgreSQL + TimescaleDB
• Infraestructura serverless — AWS Lambda, Step Functions, DynamoDB, S3 con CDK como IaC
• UI — shadcn/ui, Radix UI, Tailwind CSS 4; componentes para datos de energía
• Datos en tiempo real — conectividad de dispositivos a través de múltiples proveedores y series temporales de alta frecuencia

AI-Native Engineering

• Diseñar pipelines multi-agente — LangGraph o Vercel AI SDK, integrados con la API de Anthropic Claude
• Construir agentes de dominio — análisis de recibos CFE, detección de anomalías solares, reportes ejecutivos de ahorro
• Definir system prompts y tool use — contexto, herramientas disponibles y constraints para cada agente
• Implementar evals — métricas y casos de prueba para validar comportamiento del agente en producción
• Observabilidad — LangSmith, Langfuse o PostHog para instrumentar pipelines y detectar regresiones
• Ampliar la automatización — identificar procesos manuales que puedan delegarse a agentes

Calidad & Colaboración

• Code reviews y testing — Vitest + React Testing Library; tests para lógica de agentes
• Documentación técnica — ADRs y guías de uso de agentes para el equipo
• Sprints y standups — comunicación clara, sin bloqueos silenciosos

Stack Tecnológico

Frontend

Next.js App Router + Server Components (v14–16), React 19, TypeScript strict, Tailwind CSS 4, shadcn/ui, Radix UI, Lucide, TanStack Query, React Hook Form + Zod.

AI & Agentes

Anthropic API (Claude) tool use + structured outputs, LangGraph, Vercel AI SDK, prompt & context engineering, evals (LangSmith/Langfuse/PostHog), pgvector para RAG.

Backend & Datos

Node.js 18–20+, Next.js API routes + ts-rest, PostgreSQL (Supabase) + TimescaleDB, Drizzle ORM, Supabase Auth, REST + OpenAPI, Zod.

Cloud & Infra

AWS Lambda/Step Functions/DynamoDB/S3/API Gateway/Athena/Glue, Pulumi (IaC), GitHub Actions, Turborepo, pnpm.

DevTools

Vitest + RTL, ESLint 9, Prettier, Git/GitHub, Notion, PostHog.

Deseable (no bloqueante)

MCP, Docker, WebSockets/SSE, DDD, event-driven, Python, i18n, certificaciones AWS.

Quién eres

Técnico

1–4 años de experiencia; TypeScript/JavaScript sólidos; React y Next.js en proyectos reales; APIs RESTful y SQL; Git y flujos colaborativos; experiencia práctica con LLM APIs (aunque sea en proyectos personales).

Mentalidad

Curioso sobre AI; ownership real; comunicación clara (español e inglés técnico); cómodo con la ambigüedad.

Encaja bien si

• Has construido algo con LLM APIs.
• Puedes describir cuándo un agente falló y cómo lo corregiste.
• Usas AI tools para programar y tienes opiniones.
• Te interesa la arquitectura de los agentes.
• Tienes proyectos en GitHub.

Posible desalineación si

• Crees que el código de AI es siempre malo.
• Prefieres stacks que no cambian.
• No tienes curiosidad sobre los modelos.
• Ves el prompt engineering como "no programación real".
• Nunca has usado una LLM API.

Trayectoria de éxito

Proceso

1. 01
   Screening inicial· 30 min
2. 02
   Take-home challenge· 2–3 h (Parte A: problema técnico TS/React; Parte B: diseña un agente que procese datos energéticos)
3. 03
   Entrevista técnica· 60–90 min
4. 04
   Entrevista de equipo· 45 min
5. 05
   Oferta y cierre· 30 min

Qué ofrecemos

• Sueldo competitivo (premium por especialización AI/agentes)
• AI Tooling Budget (Claude Pro, Cursor)
• Presupuesto de aprendizaje
• Trabajo remote-first con reuniones síncronas semanales
• Horario flexible
• Equity discutido en oferta