Descripción de la oferta
¿Tienes experiencia gestionando proyectos en banca y te motiva coordinar equipos multidisciplinares? En NWorld estamos buscando a nuestro próximo referente en consultoría financiera.¿Quiénes somos?En NWorld estamos reinventando la forma de hacer consultoría.Somos un ecosistema de compañías especializadas en Negocio, Tecnología y Operaciones, que cubren toda la cadena de valor de nuestros clientes.Las personas que formamos parte de NWorld compartimos una misma meta:Hacer nuestros los retos de nuestros clientes.Nuestros pilares:Búsqueda continua de especialización: Sabemos de lo que hablamos.Tecnología en nuestro ADN: Entendemos la tecnología como parte del negocio.Innovación en todo lo que hacemos: Siempre un paso más allá.Las personas en el centro: Somos una empresa de personas, hecha de personas y orientada a las personas.Conócenos más en: https://n.world¿Qué buscamos?Como AI Lead en Nfq, serás el/la responsable técnico/a de referencia en proyectos de Inteligencia Artificial y actuarás como Solution Architect de soluciones de IA end-to-end. Diseñarás arquitecturas robustas y escalables en cloud, construirás y desplegarás en producción soluciones de alto impacto — desde modelos clásicos de ML/DL hasta sistemas GenAI y agénticos enterprise— integrándolas con el ecosistema tecnológico del cliente (datos, seguridad, plataformas, operaciones y sistemas core). Trabajarás mano a mano con el AI Manager definiendo la visión técnica, liderando al equipo de desarrollo y garantizando la excelencia en la ejecución.Tu día a día y responsabilidades:▸ Arquitectura de Soluciones de IA (Solution Architect)Diseñar soluciones de IA end-to-end: desde la ingesta de datos hasta la capa de consumo, integrando modelos, APIs, agentes y sistemas enterprise del cliente.Definir arquitecturas de referencia para distintos patrones de uso: sistemas conversacionales, automatización inteligente, extracción de información, decision support y arquitecturas agénticas.Evaluar y seleccionar tecnologías, frameworks y plataformas cloud adecuadas para cada proyecto.Diseñar patrones de arquitectura reutilizables, estándares técnicos y assets internos para acelerar el delivery.Liderar PoCs y prototipos para validar hipótesis técnicas y de negocio, con foco en time-to-value y paso a producción.▸ IA Tradicional, ML Engineering y Datos a EscalaLiderar el desarrollo e industrialización de modelos de Machine Learning y Deep Learning (supervisado/no supervisado), optimizando calidad, generalización y latencia.Diseñar e implementar pipelines de datos y features a escala: ETL/ELT, feature engineering, feature stores, calidad de datos y trazabilidad.Trabajar con ecosistemas de datos modernos (lakehouse, streaming) y tecnologías distribuidas (por ejemplo Spark) para entrenamiento y preparación de datos en entornos enterprise.Definir estrategias de evaluación: métricas, validación, sesgo, robustez, interpretabilidad y planes de reentrenamiento.▸ Generative AI y Agentes AutónomosLiderar el desarrollo de soluciones de IA Generativa: RAG, fine-tuning/PEFT, prompt engineering avanzado, function calling, structured outputs.Diseñar e implementar arquitecturas agénticas enterprise: orquestación multi-agente, gestión de estado, tool use, guardrails, human-in-the-loop y patrones de escalado en producción.Implementar RAG avanzado: estrategias de chunking, embeddings, re-ranking, vector stores, evaluación de retrieval y calidad de respuesta, y observabilidad de trazas.Integrar GenAI con sistemas enterprise: ERPs, CRMs, core bancario, plataformas documentales, BPMs, contact centers, etc.▸ Industrialización, MLOps/LLMOps y PlataformaDiseñar e implementar pipelines de despliegue: empaquetado, serving (APIs REST/gRPC), escalado automático, versionado, rollback y gestión de latencia.Definir y operar prácticas de MLOps/LLMOps: entrenamiento, evaluación, monitorización de drift/calidad, trazabilidad, auditoría y reentrenamiento continuo.Asegurar calidad de ingeniería: code reviews, testing automatizado, documentación técnica (ADRs), seguridad y buenas prácticas de software.Colaborar con Data/Platform/Infra para construir activos compartidos (plantillas, repos, aceleradores, estándares).▸ Liderazgo TécnicoSer el referente técnico del equipo de IA: mentorizar, resolver bloqueos y elevar el nivel técnico del equipo.Tomar decisiones de diseño críticas y documentar las arquitecturas y decisiones técnicas (ADRs).Colaborar con equipos de ingeniería de datos, infraestructura y desarrollo para garantizar integraciones robustas.Contribuir a la comunidad técnica interna: charlas, documentación, guías y estándares.▸ Cliente y DeliveryParticipar en reuniones técnicas con clientes: demos, workshops de arquitectura y sesiones de descubrimiento.Estimar esfuerzos técnicos y contribuir a la elaboración de propuestas desde la perspectiva de implementación.Garantizar la entrega en plazo, calidad y escalabilidad de las soluciones.Requisitos imprescindibles:▸ FormaciónTitulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física o disciplinas afines.Se valorará positivamente: Máster o Posgrado en Inteligencia Artificial, Machine Learning o Data Science.▸ ExperienciaMínimo 4–6 años de experiencia en desarrollo y despliegue de soluciones de IA/ML en entornos productivos.Experiencia liderando técnicamente equipos de desarrollo de IA (al menos 1–2 años).Experiencia como solution architect o tech lead diseñando soluciones end-to-end que integren modelos de IA con sistemas enterprise.Experiencia demostrable en despliegue de modelos y/o agentes en producción a escala.Experiencia en consultoría tecnológica o proyectos de IA para clientes enterprise (muy valorado).▸ Stack técnicoPython avanzado. Dominio de librerías del ecosistema ML/DL: PyTorch, TensorFlow, Scikit-learn, HuggingFace Transformers.Experiencia práctica con LLMs: fine-tuning, prompt engineering avanzado, function calling, structured outputs.Frameworks de agentes y orquestación: LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen, Semantic Kernel o similares. Experiencia en patrones multi-agente y arquitecturas agénticas en entornos enterprise.Diseño e implementación de arquitecturas RAG: vector databases (Pinecone, Weaviate, Qdrant, pgvector), estrategias de chunking, re-ranking y evaluación.Despliegue y serving de modelos: experiencia con APIs de inferencia (vLLM, TGI, Triton), model serving, escalado y gestión de latencia en producción.Plataformas cloud de IA: Azure (OpenAI Service, AI Studio/Foundry), AWS (Bedrock, SageMaker), GCP (Vertex AI).MLOps/LLMOps: MLflow, Weights & Biases, Kubeflow, CI/CD para modelos, monitorización de drift y calidad.Contenedores y orquestación: Docker, Kubernetes. Familiaridad con IaC (Terraform, Pulumi).Bases de datos: SQL, NoSQL, bases de datos vectoriales. Conocimiento de arquitecturas de datos modernas (lakehouse, streaming).Prácticas de ingeniería de software: Git, testing, CI/CD, clean code, documentación técnica (ADRs).▸ Competencias y habilidadesMentalidad hands-on con visión end-to-end: te gusta estar en el código tanto como diseñando la solución completa en la pizarra.Capacidad para traducir requisitos de negocio en soluciones técnicas viables.Comunicación clara y efectiva con perfiles técnicos y no técnicos.Proactividad, autonomía y orientación a resultados.Nivel de inglés avanzado. Se valorarán otros idiomas.¿Qué ofrecemos?Planes de carrera personalizados: Aquí nunca serás un número.Crecimiento sin plazos: Trayectorias retadoras y transparentes.Formación continua: Especialización, mentoring y aprendizaje constante.Perfiles mixtos: Negocio + Tecnología, preparados para el entorno digital.Crecimiento personal: Actividades y eventos para disfrutar dentro y fuera del trabajo.Entorno flexible: Autonomía, responsabilidad, flexibilidad horaria y retribución flexible.Iniciativas internas: Eventos sociales, equipos deportivos y #LAST.Fundación NFQ: Comprometidos con la sociedad, podrás colaborar en proyectos sociales y de voluntariado con especial foco en infancia, juventud y conocimiento.
