AI Deployment Engineer - Madrid

VidaCaixa; Madrid; Presencial; EUR 70.000 - 100.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

Contrato indefinido

Plan de carrera

Retribución flexible

Descripción de la vacante

VidaCaixa busca un profesional para formar parte de la Dirección de Inteligencia Artificial, encargado de desplegar, operar y mantener soluciones de ML y GenAI en producción. Se prioriza la calidad técnica, escalabilidad, observabilidad y Gobierno, abarcando todo el ciclo de vida del modelo, desde prototipo hasta retirada controlada.

Entre las responsabilidades se incluyen la industrialización de modelos, diseño de servicios de inferencia, pipelines de entrenamiento y monitorización de drift y

Formación

• Conocimientos sólidos de modelos de ML y DL, para formular problemas, evaluar y mejorar rendimiento.
• Capacidad para seleccionar métricas, analizar resultados y tomar decisiones técnicas orientadas a negocio y operación.
• Comprensión de explicabilidad e interpretabilidad de modelos y sus limitaciones en producción.

Responsabilidades

• Industrializar y desplegar modelos de ML, DL, RAGs y agentes en producción.
• Diseñar y operar servicios de inferencia con SLAs definidos (batch, online, streaming).
• Implementar pipelines de entrenamiento e inferencia, versionado y promoción de modelos.

Conocimientos

Machine Learning

Deep Learning

LLMs & GenAI

MLOps

Python

Herramientas

APIs de inferencia

CI/CD pipelines

Contenerización / Infraestructura

Descripción del empleo

Formarás parte de la Dirección de Inteligencia Artificial, con el objetivo principal de desplegar, operar y mantener en producción soluciones de Machine Learning y GenAI desarrolladas por equipos de Data Science. El rol está orientado a garantizar calidad técnica, escalabilidad, observabilidad, gobierno y cumplimiento durante todo el ciclo de vida del modelo, desde el prototipo hasta su retirada controlada.

Responsabilidades

• Industrializar y desplegar modelos de Machine Learning, Deep Learning, RAGs y agentes en entornos productivos.
• Diseñar y operar servicios de inferencia (batch, online y streaming) con SLAs definidos.
• Implementar pipelines de entrenamiento e inferencia, versionado y promoción de modelos.
• Definir e implantar estrategias de monitorización, detección de drift y control de calidad en producción.
• Asegurar observabilidad end-to-end (logs, métricas, trazas) y establecer SLOs/alertas.
• Gestionar despliegues, rollbacks y estrategias canary/blue-green.
• Integrar y operar proveedores de LLMs y servicios externos, controlando latencia, costes y límites.
• Garantizar Responsible AI, privacidad (PII) y cumplimiento normativo (EU AI Act).

Requisitos

• Fundamentos de Machine Learning y evaluación
  • Conocimiento técnico sólido de modelos de Machine Learning y Deep Learning, con capacidad para formular correctamente distintos tipos de problemas y evaluar, interpretar y mejorar el rendimiento de los modelos en función del caso de uso.
  • Capacidad para seleccionar métricas adecuadas, analizar resultados, definir criterios de validación y tomar decisiones técnicas orientadas a negocio y operación.
  • Comprensión de los principios de explicabilidad e interpretabilidad de modelos y de sus limitaciones en entornos reales.
• LLMs, GenAI, RAGs y agentes
  • Conocimiento técnico de modelos de lenguaje, embeddings y gestión de contexto, aplicado a soluciones de IA generativa en producción.
  • Capacidad para diseñar, evaluar y operar sistemas RAG, así como para controlar calidad, relevancia y alucinaciones en las respuestas.
  • Comprensión de arquitecturas basadas en agentes, incluyendo orquestación, uso de herramientas y gestión de memoria.
  • Aplicación de criterios de seguridad, privacidad y control en soluciones GenAI.
• Ingeniería de software (Python) aplicada a despliegue
  • Capacidad para desarrollar y estructurar servicios de IA en Python siguiendo buenas prácticas de ingeniería de software.
  • Experiencia en diseño y operación de APIs de inferencia, así como en la gestión del ciclo de vida del código en entornos productivos.
  • Aplicación de estrategias de testing, validación de contratos y gestión reproducible de entornos, orientadas a fiabilidad y mantenimiento.
• MLOps / AIOps e infraestructura
  • Conocimiento de MLOps y AIOps para gestionar el ciclo de vida completo de modelos en producción, desde entrenamiento hasta despliegue y retirada.
  • Capacidad para diseñar y operar pipelines, versionado de modelos y procesos CI/CD, garantizando despliegues seguros y reversibles.
  • Experiencia en despliegue de servicios de IA sobre infraestructuras contenerizadas y orquestadas, así como en su integración con servicios externos y proveedores de LLMs.
• Monitorización, drift, bias y gobernanza
  • Capacidad para definir e implantar estrategias de monitorización y observabilidad de modelos y servicios de IA en producción.
  • Identificación y gestión de degradación de modelos, drift de datos y cambios de comportamiento a lo largo del tiempo.
  • Conciencia y aplicación de principios de Responsible AI, incluyendo sesgos, fairness, privacidad y requisitos regulatorios.
  • Conocimiento de gobernanza del ciclo de vida del modelo, documentación mínima, criterios de retirada y procesos de aprobación.

Se ofrece

• Incorporarse a una entidad líder en el sector con proyectos innovadores y novedosos.
• Plan de carrera, desarrollo profesional y formación continuada.
• Contrato indefinido, flexibilidad horaria y modelo híbrido.
• Salario competitivo, plan de beneficios y retribución flexible.