¿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 Escala
* Liderar 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 Autónomos
* Liderar 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 Plataforma
* Diseñar 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 Técnico
* Ser 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 Delivery
* Participar 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:
▸ Formación
* Titulación universitaria en Ingeniería Informática, Matemáticas, Estadística, Física o disciplinas afines.
* Se valorará positivamente: Máster o Posgrado en Inteligencia Artificial, Machine Learning o Data Science.
▸ Experiencia
* Mínimo 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 técnico
* Python 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 habilidades
* Mentalidad 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.