Stratus es una empresa de tecnología y consultoría B2B enfocada en modernizar las operaciones de seguros para aseguradoras de daños y responsabilidad civil y Managing General Agents. Sus equipos ayudan a las organizaciones a sustituir u optimizar sistemas centrales heredados, implementar las plataformas Guidewire e Insurity, planificar y ejecutar migraciones a la nube de Azure y desarrollar estrategias y modelos de gobierno de datos más sólidos. Stratus también presta apoyo para la preparación para la inteligencia artificial, el mantenimiento de aplicaciones, el aseguramiento de la calidad, la selección de plataformas y la prestación integrada de servicios de TI mediante equipos de talento bajo demanda. El trabajo de la empresa combina conocimientos especializados del sector asegurador con una transformación tecnológica práctica para ayudar a sus clientes a mejorar la analítica, agilizar las operaciones y lanzar nuevos productos al mercado de forma más eficiente.
Ingeniero sénior de confiabilidad del sitio - remoto en Estados Unidos
Ingeniero sénior de confiabilidad responsable de operacionalizar la fiabilidad en Stratus, cuyo software digitaliza los flujos de trabajo de contratistas de MEP. El puesto abarca SLO, observabilidad, respuesta a incidentes e ingeniería de rendimiento en sistemas de producción de Azure.
Descripción
- Ser responsable de los indicadores, objetivos y presupuestos de error de los servicios orientados al cliente
- Desarrollar pipelines de medición que informen sobre la disponibilidad y la latencia frente a objetivos definidos
- Gestionar la observabilidad en producción mediante estándares de instrumentación, paneles y alertas accionables
- Operar herramientas de observabilidad en Azure AKS, Prometheus, Loki, Tempo, Grafana, Istio y Flux
- Establecer operaciones de respuesta a incidentes que cubran turnos de guardia, notificaciones, niveles de gravedad, responsables, escalado y retrospectivas sin culpabilización
- Definir estándares de reversión y recuperación, y validarlos mediante ejercicios periódicos
- Liderar la ingeniería de rendimiento y capacidad mediante el ajuste de consultas e índices, el dimensionamiento de pools de conexiones, el modelado de capacidad y el diseño de degradación controlada
- Colaborar con el equipo en pruebas de carga, estrés, picos y resistencia con k6
- Definir umbrales de latencia de endpoints basados en SLO y utilizar los resultados de las pruebas como criterios de aprobación para las entregas
- Liderar revisiones de preparación para producción sobre instrumentación, alertas, modos de fallo, límites de recursos y planes de reversión
- Dar seguimiento a las acciones correctivas posteriores a incidentes hasta verificar los cambios en producción
- Apoyar la planificación de continuidad del negocio y recuperación ante desastres, incluida la validación de copias de seguridad y restauraciones, el diseño de conmutación por error y los objetivos de recuperación
- Formar a los equipos de ingeniería en la instrumentación y operación de sus servicios
- Crear herramientas, automatización, bibliotecas de instrumentación y correcciones de código en producción
- Colaborar entre los equipos de ingeniería, las áreas de plataforma y seguridad y los grupos orientados al cliente
- Reportar al director sénior de ingeniería de plataformas
Requisitos
- Al menos seis años de experiencia profesional en ingeniería
- Tres o más años en un puesto específico de SRE o ingeniería de producción en una empresa B2B SaaS
- Experiencia demostrada asumiendo la responsabilidad de SLO y presupuestos de error en producción
- Experiencia avanzada y práctica en observabilidad con Prometheus, Loki, Tempo, Grafana o herramientas comparables
- Experiencia práctica como responsable de incidentes en incidentes importantes
- Experiencia creando procesos de guardias y escalado desde cero
- Sólidos conocimientos de rendimiento de bases de datos, incluidos perfilado de consultas, diseño de índices, agrupación de conexiones y diagnóstico de saturación bajo carga
- Se prefiere experiencia con MongoDB; también se acepta una profundidad comparable con bases de datos documentales o relacionales
- Experiencia en Kubernetes en producción, preferiblemente con AKS
- Capacidad para solucionar problemas de planificación de pods, límites de recursos, redes y comportamiento de mallas de servicios; se prefiere experiencia con Istio
- Dominio de al menos uno de Go, Python, C# o TypeScript
- Comodidad trabajando en una base de código C#/.NET
- Experiencia con herramientas de carga y rendimiento como k6, JMeter o Gatling
- Experiencia en producción con Azure o AWS y comprensión de los modos de fallo de los servicios gestionados
- Fluidez con herramientas de ingeniería asistida por IA y experiencia diseñando flujos de trabajo habilitados para IA
- Excelente comunicación escrita para retrospectivas, manuales operativos e informes de fiabilidad
- Buen criterio y serenidad bajo presión
- Se prefiere experiencia estableciendo o madurando una práctica de SRE
- Se prefiere experiencia con Sentry o una plataforma comparable de monitorización de errores de aplicaciones
- Se prefiere experiencia operando sistemas basados en eventos y en tiempo real
- Se prefiere experiencia operando MongoDB Atlas a escala de producción
- Se prefiere experiencia con plataformas de orquestación de flujos de trabajo duraderos como Temporal
- Se prefiere experiencia en arquitecturas multirregión o multizona y diseño de recuperación ante desastres
- Se prefiere experiencia con incident.io, PagerDuty o plataformas comparables de gestión de incidentes
- Familiaridad con las métricas DORA y el trabajo de fiabilidad en entornos SOC 2 o NIST 800-171; se prefiere
- Se prefiere experiencia mejorando la fiabilidad de monolitos heredados
- Se prefiere interés en MEP, BIM, AEC o tecnología de la construcción
- Se prefiere experiencia previa en una empresa de Serie B o en fase de crecimiento
Beneficios
- Beneficios de salud completos y competitivos
- Aportaciones al plan 401(k) con contribución equivalente del empleador
- Veinte días de vacaciones pagadas al año
- Modalidad de trabajo principalmente remota
- Eventos presenciales ocasionales del equipo cada año