Senior QA Automation | Argentina | FP065KA

Buscamos un/a Senior QA Automation que no venga solo a ejecutar pruebas, sino a liderar con criterio técnico la evolución de la calidad dentro de múltiples equipos. Esta posición está orientada a un perfil senior con visión estratégica, capacidad de organización y fuerte experiencia en automatización, integraciones cloud y liderazgo técnico. Serás una pieza clave para diseñar frameworks escalables, fortalecer una cultura de calidad continua y acompañar a distintos squads en la construcción de productos más robustos, confiables y sostenibles.

QA Automation / SDET: +5 años de experiencia comprobable en automatización de pruebas o funciones SDET.
Automation Frameworks: experiencia sólida trabajando con frameworks de automatización, idealmente Robot Framework o PyTest, junto con Appium y Python.
API Testing: conocimiento en diseño y ejecución de pruebas sobre APIs REST y GraphQL.
Data Validation: experiencia validando flujos e integraciones con bases de datos relacionales y no relacionales como MySQL, PostgreSQL y DynamoDB.
CI/CD: experiencia trabajando con pipelines de integración y entrega continua, preferentemente con GitHub Actions.
AWS: conocimientos prácticos en servicios como Lambda, API Gateway, CloudWatch y DynamoDB aplicados a testing y automatización.
Cross-Platform Testing: experiencia utilizando BrowserStack para testing web y mobile, incluyendo automatización y validación manual sobre dispositivos reales.

Multi-Team Support: capacidad comprobada para gestionar múltiples equipos o proyectos de forma simultánea.
Technical Leadership: fuertes habilidades de comunicación, organización y liderazgo técnico.
Ownership: enfoque en resultados, mejora continua y autonomía operativa.

Testing Observability: experiencia en observabilidad de testing y monitoreo de ejecuciones automatizadas.
Infrastructure as Code: conocimiento en Infraestructura como Código (IaC) para configuración de entornos en AWS.
Shared Testing Platforms: experiencia construyendo plataformas de Testing as a Service (TaaS) o frameworks compartidos.
AI / ML for Testing: experiencia aplicando IA o Machine Learning al testing, por ejemplo en priorización inteligente de pruebas, análisis predictivo de defectos o identificación de patrones de fallos y flaky tests.
ML / Data Tools: experiencia con herramientas o librerías como scikit-learn, TensorFlow, Pandas o AWS SageMaker.
Performance Testing: experiencia en pruebas de rendimiento, carga y stress testing con herramientas como Locust, k6, JMeter o Gatling.
Performance Pipelines: capacidad para diseñar pipelines de performance testing dentro de CI/CD y analizar tendencias de tiempos de respuesta, throughput y uso de recursos.
Performance Observability: conocimiento de CloudWatch Metrics, AWS X-Ray o Grafana para correlacionar métricas de infraestructura con resultados de pruebas.
Bottleneck Detection: experiencia identificando cuellos de botella de forma temprana y colaborando con equipos DevOps para optimizar el rendimiento.