Generative AI Engineer

Fintonic; Madrid; Presencial; EUR 50.000 - 70.000; Jornada completa

Descripción de la vacante

Una empresa fintech innovadora en Madrid busca un experto en Inteligencia Artificial para diseñar y desarrollar soluciones de IA Generativa. El candidato ideal tiene más de 3 años de experiencia en data science y trabajo práctico con modelos de lenguaje. Su misión es liderar el desarrollo de modelos de IA alineados con objetivos estratégicos y colaborar con equipos multidisciplinarios. Se ofrece un entorno dinámico y la oportunidad de impactar significativamente en el sector financiero.

Servicios

Ambiente dinámico

Oportunidades de crecimiento

Formación en IA

Formación

• Al menos 3 años de experiencia laboral en data science o machine learning.
• Experiencia en diseño y despliegue de modelos de Deep Learning.
• Experiencia práctica en proyectos con Large Language Models.

Responsabilidades

• Desarrollar soluciones de IA Generativa alineadas con los objetivos de negocio.
• Gestionar el ciclo completo de vida de los modelos de IA.
• Colaborar con otros equipos en la integración de soluciones de IA.

Conocimientos

IA Generativa

Deep Learning

Python

Machine Learning

Reinforcement Learning

Educación

Titulación en áreas STEM

Máster o Doctorado en Inteligencia Artificial

Herramientas

PyTorch

TensorFlow

AWS

Docker

Kubernetes

Descripción del empleo

Sobre Fintonic

En Fintonic estamos en pleno renacer. Tenemos más de 12 años de historia como referente del mundo fintech en España, y hoy comenzamos un nuevo capítulo : más ambicioso, más dinámico, más emocionante. ¿El objetivo? Convertirnos en el estándar definitivo del score crediticio y en el principal marketplace de financiación al consumo, gracias a una tecnología superior y un dominio absoluto del uso de los datos.

Nos respaldan inversores institucionales de primer nivel como ING Ventures y SquareOne Capital. Estamos formando un nuevo equipo que no solo se suma al viaje, sino que lo lidera.

Tu misión

Diseñar, desarrollar, desplegar y mantener soluciones de Inteligencia Artificial de vanguardia, con especial foco en IA Generativa y Large Language Models (LLMs), que aporten valor directo al negocio. Liderarás el ciclo completo de vida de los modelos de IA, desde la investigación y prototipado hasta su integración robusta y escalable dentro del ecosistema tecnológico de la empresa, asegurando su alineación con los objetivos estratégicos.

¿Qué harás?

1. Estrategia y Diseño de Soluciones de IA Generativa

• Liderar la investigación y el desarrollo de prototipos basados en modelos y servicios SOTA (State-of-the-Art) en IA Generativa, agentes de IA, Fine Tuning
• Reinforcement Learning (RL)
• Traducir problemas de negocio complejos (ej. detección de fraude, scoring de crédito, asistentes conversacionales, análisis de sentimiento) en soluciones técnicas accionables que utilicen LLMs y otras técnicas de IA.
• Evaluar la viabilidad y el ROI de nuevas iniciativas de IA Generativa, diseñando arquitecturas de solución.

2. Desarrollo y Ciclo de Vida de Modelos (AI / LLMOps)

• Liderar el proceso completo de desarrollo de modelos: desde la comprensión del problema y la preparación de datos hasta la medición del impacto y la puesta en producción.
• Aplicar técnicas avanzadas de fine-tuning, continual pre-training y Reinforcement Learning (RLHF) para adaptar y optimizar LLMs para tareas específicas del dominio financiero.
• Diseñar, implementar y optimizar prompts (Prompt Engineering) para maximizar la eficacia, precisión y seguridad de las interacciones con los modelos.
• Desarrollar y mantener agentes de IA (utilizando frameworks como LangChain, LlamaIndex, etc.) capaces de realizar tareas complejas y autónomas.

3. Integración, Despliegue y Operatividad Cloud

• Construir, desplegar y mantener pipelines de entrenamiento, reentrenamiento y evaluación continua (CI / CD / CT) para modelos de ML y LLMs, asegurando su robustez y escalabilidad.
• Poner en producción modelos y servicios de IA, desarrollando APIs y asegurando su integración efectiva en el ecosistema.
• Gestionar la operatividad en entornos cloud (AWS), optimizando el uso de recursos para el entrenamiento y la inferencia de modelos a gran escala (ej. uso de GPUs / TPUs, instancias spot, etc.).
• Implementar y gestionar la contenerización (Docker, Kubernetes) de las soluciones de IA.

4. Monitorización, Colaboración y Soporte al Negocio

• Monitorizar continuamente el rendimiento, la precisión y la deriva (drift) de los modelos en producción, implementando dashboards y sistemas de alerta.
• Colaborar estrechamente con stakeholders (Product Managers, Data Engineers, Software Engineers) para asegurar la alineación e integración de las soluciones.
• Generar documentación técnica rigurosa sobre los procesos, modelos y servicios desarrollados.
• Proveer insights y análisis ad-hoc para informar decisiones estratégicas, comunicando hallazgos complejos de forma clara y simple.

Sobre ti

Formación Académica :

Titulación en áreas STEM con clara vocación en los datos y la IA. Es aceptable venir de otras áreas educativas siempre que se demuestre experiencia significativa. Se valorará positivamente Máster o Doctorado en Inteligencia Artificial, Deep Learning o campos relacionados.

Experiencia Profesional :

Al menos 3 años de experiencia laboral en data science, analítica avanzada o machine learning. Experiencia demostrable en el diseño, entrenamiento y despliegue de modelos de Deep Learning (PyTorch, TensorFlow). Experiencia práctica indispensable en proyectos con Large Language Models (LLMs), desde la conceptualización hasta la puesta en producción. Experiencia en el sector financiero (deseable).

Conocimientos Técnicos (Stack de IA y MLOps) :

• Fundamentos de IA Generativa : Conocimiento profundo de la arquitectura y funcionamiento de LLMs (Transformers, RAG, etc.). Experiencia práctica en técnicas de fine-tuning (ej. LoRA, QLoRA) y continual pre-training. Experiencia avanzada en Prompt Engineering y diseño de sistemas RAG. Conocimiento de frameworks de agentes (ej. Strands Agents, LangChain, LlamaIndex, o similares). Comprensión sólida de los principios de Reinforcement Learning (RL / RLHF).
• Programación y ML Clásico : Dominio experto de Python y sus librerías científicas (Pandas, NumPy). Sólido conocimiento en técnicas de machine learning tradicional (Scikit-learn, XGBoost, LightGBM). Dominio de librerías de Deep Learning (PyTorch y / o TensorFlow / Keras). Dominio de SQL y NoSQL.
• Infraestructura y Cloud (AIOps / MLOps) : Experiencia sólida en operatividad en entornos cloud, preferiblemente AWS (SageMaker, S3, EC2, Lambda) o equivalentes (GCP, Azure). Experiencia en MLOps (tracking con MLflow, orquestación) y control de versiones (Git). Experiencia en desarrollo de APIs (preferiblemente FastAPI) y contenerización (Docker, ECS). Dominio de bases de datos SQL y NoSQL (MongoDB, Data Warehouse).