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
y
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).