Una vacante aparte: fullstack Python + React + TypeScript, con LLM ya entregado a usuarios reales

El hueco en el tablero no es «alguien que también probó GPT». Es un asiento fullstack: Python en la API, React y TypeScript en la pantalla del operador, y una feature LLM que ya se encontró con usuarios reales — abort a mitad del stream, un pegado de 40 páginas, un doble toque en enviar. Ese listón es el sentido del anuncio.

Ya escribí el rol fullstack genérico, y la demanda de AI engineer Python que nombra LangGraph y RAG en producción. Aquí va la otra vacante. No son versiones más blandas la una de la otra.

1. Por qué existe este anuncio

Muchos productos no pueden contratar un AI engineer, un backend y un frontend para una feature. Necesitan a una persona que ya cruzó la frontera de producto con un modelo. El JD es una decisión de presupuesto tanto como una lista de habilidades.

• El trabajo LLM es una superficie en una app existente, no una plataforma de retrieval. El usuario ya tiene una pantalla. El modelo tiene que vivir en ella.
• «Entregado a usuarios reales» es el filtro que mata el hackathon. Localhost no cuenta. Una demo en un café no cuenta.
• Python más React más TypeScript se nombra porque el stack ya está partido así — FastAPI o Django de un lado, una UI tipada del otro — y no van a pagar una reescritura solo-Next o solo-Python.

2. Qué significa «sólido en ambos lados» en el anuncio

No significa «sé leer el otro repo». Significa que esa persona entregó un contrato tipado entre los dos runtimes y no los dejó desalinearse un viernes.

• Python: la API, auth, jobs, el adaptador al modelo, secretos que no salen del servidor.
• React + TypeScript: abort, estados vacíos y degradados, citas como UI, una tarjeta de confirmación para una herramienta — no un volcado de markdown del modelo.
• Un esquema: Pydantic en el servidor, TypeScript desde OpenAPI o Zod generado. Dos interfaces a mano que se desalinean es cómo falla este hire en el segundo mes.

3. Qué filtra «ya entregado a usuarios reales»

Entreviste las cicatrices, no el screenshot. Los usuarios abortan, pegan un libro y pulsan enviar dos veces. Si la candidata no puede nombrar esas tres, no ha entregado.

• Auth en el stream, no sólo en la página. Una URL de EventSource filtrada es un corpus filtrado.
• Streaming como eventos que una UI puede distinguir: token, citation, tool_propose, error, done. Strings concatenados no muestran una fuente ni una confirmación.
• Un error con nombre cuando el proveedor está caído. Ya escribí el playbook de la caída de ChatGPT. El producto necesita una cadena, no una burbuja en blanco.
• Un feature flag. Entregado significa que podían apagar el camino del modelo sin revertir el sitio.

4. Quién publica esto — y quién no debería

Esta vacante encaja cuando el producto ya tiene UI, el backend ya es Python o lo seguirá siendo, y la feature LLM es una loncha de la app. No encaja cuando el trabajo es una plataforma de corpus con evals y un grafo que debe negarse.

• Equipos seed y de producto pequeño, herramientas internas, agencias que meten un copiloto en una app React existente.
• No sustituye al AI engineer Python-primero cuando el dolor es retrieval caducado, fidelidad y un grafo en producción. Esa demanda es el otro artículo.

Conclusión: dos asientos, dos precios

Fullstack aquí significa que el bucle Python y la pantalla React comparten un esquema, un stream y una confirmación — y que eso ya ocurrió delante de usuarios. Un notebook con envoltorio React sigue siendo un notebook. Escriba esta vacante como asiento propio. Si el mismo JD nombra también LangGraph, pipelines RAG y un sistema LLM en producción, está buscando dos seniors. Póngale ese precio, o parta el anuncio.