Senior AI Data Scientist — Marketing Automation Architect

Team.Blue Global; Firenze; In loco; EUR 70.000 - 120.000; Tempo pieno

Descrizione del lavoro

Team.blue Global Firenze, Toscana cerca un Senior AI Data Scientist per guidare progetti di agentic automation nel marketing. Lavorerai nell'Applied AI team per costruire sistemi autonomi in grado di analizzare dati, ottimizzare campagne e produrre azioni misurabili in più mercati e lingue.

Il ruolo richiede esperienze robuste in Python e ML, implementazione end-to-end su sistemi reali, integrazione API livellata e attenzione a costo e latenza.

Competenze

• 7+ years building data and ML systems in industry, end-to-end ownership.
• Expert in Python and ML.
• Production experience with multi-step, tool-calling LLM workflows; state-machine design.
• Strong integration experience with third-party APIs and authentication flows.
• Cost and latency engineering as a first-class concern.
• Ability to map processes and quantify ROI of agentic automation.

Mansioni

• Mappa come si svolgono le indagini di perdita di traffico tra brand e attribuisci ore per ogni passaggio.
• Raccogli requisiti live da persone che non pensano in modelli dati.
• Progetta le transizioni di stato e i flussi API tra i passaggi.
• Costruisci guardrails: dry-run, gate di approvazione, scope a minime privilegi.
• Definisci dove l’umano resta nel loop e una coda di revisione.
• Scrivi eval per l'output: validità della diagnosi, fonti, coerenza con la voce del brand.

Conoscenze

Python

Machine Learning

LLM workflows

API integration

Cost & latency engineering

End-to-end systems

Process mapping

Safety & governance

Strumenti

Docker

Kubernetes

Descrizione del lavoro

Team.blue Global Firenze, Toscana cerca un Senior AI Data Scientist per guidare progetti di agentic automation nel marketing. Lavorerai nell'Applied AI team per costruire sistemi autonomi in grado di analizzare dati, ottimizzare campagne e produrre azioni misurabili in più mercati e lingue.

Il ruolo richiede esperienze robuste in Python e ML, implementazione end-to-end su sistemi reali, integrazione API livellata e attenzione a costo e latenza.