About Nivii
Imaginá que sos líder de un área en una gran compañía y es lunes a la mañana. Llegaron los resultados del mes pasado y no son los que esperábamos… tal vez bajaron los márgenes, subió el stock, el talento está rotando más rápido o la calidad del producto está sufriendo. Qué pasó es algo que la mayoría de las empresas sabe encontrar, pero el por qué y qué hacer es mucho más difícil y lento. Necesitabas respuestas profundas de tu data de manera instantánea, pero sin ellas volvés a depender solo de la intuición.
En Nivii estamos repensando cómo las personas interactúan con los datos de negocio. Nuestro sistema de AI conversacional permite hacer preguntas en lenguaje natural y recibir respuestas claras, accionables, instantáneas y visuales. Combinando language models, data orchestration y generación de gráficos en una sola interfaz, ayudamos a los equipos a pasar de datos a decisiones más rápido que nunca. No construimos un chatbot ni otro "talk to your data": construimos un thinking partner, una evolución del consulting tradicional.
Nuestro producto ya está en producción, con usuarios reales en toda LATAM y tracción temprana de equipos que necesitan respuestas, no dashboards. Somos un equipo pequeño, práctico, basado en Buenos Aires, apasionado por la usabilidad, la claridad y por ayudar a las personas a razonar mejor con datos.
Sobre el rol
Buscamos a alguien para sumarse al equipo de Decision Science. Somos el equipo que se asegura de que nuestros agentes devuelvan respuestas realmente profundas y útiles. Para lograrlo, necesitamos garantizar que tengan insumos limpios y confiables, caminos de razonamiento bien diseñados y el contexto de negocio adecuado.
Es un rol híbrido: parte data, parte análisis, parte experimentación con AI. Ideal para alguien que disfrute la variedad, prospere en entornos early-stage y quiera generar un impacto material en nuestro producto y en el negocio de nuestros clientes.
Lo que harás
- •Hacer análisis de datos: Leer los números, encontrar patrones relevantes y traducirlos en insights claros y accionables
- •Iterar en el desarrollo de agentes: Ajustar prompts, refinar razonamientos, testear mejoras, correr evaluaciones y ayudar a que los agentes respondan cada día mejor
- •Diseñar y desarrollar herramientas internas creativas: Crear utilidades y frameworks livianos que impulsen nuestro trabajo con data: automatizar workflows investigativos, acelerar la detección de patrones o diseñar nuevas formas de interactuar con la información
- •Ayudar a dar forma al producto: Trabajar con el equipo de ingeniería en features de producto y con el equipo comercial en entender necesidades de clientes y ajustar nuestros sistemas de AI para resolverlas de la mejor manera
- •Construir y mantener data pipelines: Conectar fuentes, modelar tablas, asegurar calidad de datos y alimentar a nuestros agentes con información limpia y estructurada
Lo que buscamos
- •Formación analítica muy sólida. Muchas personas en este equipo vienen de ingeniería, economía, planificación o roles fuertemente orientados a data
- •Sos una persona muy curiosa que se auto-enseña cuando hace falta. En la frontera del Gen AI esto pasa seguido: para resolver un problema hay que aprender algo nuevo
- •Tenés facilidad para desarmar problemas y, cuando ves algo que podría funcionar mejor, intentás mejorarlo
- •Sos un early adopter de AI (ya seas usuario de ChatGPT, Claude o Grok) y la usás con frecuencia… idealmente todos los días
- •Tenés un punto de vista sobre negocios. Quizás podrías haber ido a consultoría estratégica (o tal vez fuiste), pero al menos con algunas personas de tu entorno solés tener conversaciones sobre negocio
- •Vivís en Buenos Aires y podés venir a la oficina una vez por semana
- •Dominio de inglés y español
Puntos extra
- •Experiencia con Python o SQL
- •Experiencia con AI/LLMs (prompting, evaluations, LangChain/LangGraph, etc.)
- •Experiencia en data engineering (modeling, ETL/ELT, data warehouse tools, etc.)
Lo que ofrecemos
- •Compensación competitiva
- •Equity significativo — creemos en ownership compartido
- •Flexibilidad dentro de un modelo híbrido
- •La oportunidad de dar forma a un producto y a un sistema de AI desde cero
- •Una misión significativa: hacer que los datos sean útiles para las personas, no solo para analistas