Diseñar e implementar automatizaciones AIOps para tareas recurrentes de operación (triage, enriquecimiento de tickets, auto-remediación con "human-in-the-loop" cuando aplique).
Integrar señales operativas (alertas, métricas, logs y trazas) con cadena operativa: (Observabilidad, ITSM, on-call, runbook).
Construir y mantener dashboards y alertas que aporten valor real (calidad de señal, reducción de ruido, umbrales, tagging).
Estandarizar runbooks y el empleo de código en la operación, con playbooks, plantillas, políticas y automatizaciones reutilizables.
Colaborar con equipos de plataforma y aplicaciones para mejorar resiliencia, rendimiento y seguridad (RCA, tuning de alertas, hardening operativo).
Documentar arquitectura, estándares y runbooks, pensando en la escalabilidad del modelo y la autonomía de los equipos de desarrollo.
Actuar como soporte experto para incidencias complejas (cuando sea necesario), ayudando a que L1/L2 resuelvan más casos de manera autónoma.
Requirements Experiencia sólida en operación + automatización.




Titulación universitaria en Ingeniería Informática, Sistemas de Información o similar.
Experiencia práctica con al menos 1 Cloud: AWS o Azure o GCP (operación, troubleshooting, servicios base).
Muy valorable certificación como AWS Architect Associate/Professional, AZ-104/305, Terraform Associate y/o de Observabilidad (Dynatrace, Datadog, Grafana o Zabbix).
Automatización y scripting: Python o Bash/Powershell (capacidad para mantener scripts y servicios).
Infrastructure as Code (IaC), una de las siguientes: Terraform/CloudFormation/Bicep.
Observabilidad (al menos una familia): Dynatrace, Datadog, Grafana + Prometheus.
Conocimiento operativo ITSM (valorable ServiceNow).
Lifecycle del incidente/problema/change, priorización y comunicación.
Valorable contar con conocimientos en OpenTelemetry, experiencia con automatización de runbooks (SSM Automation), LLM, RAG.
Buenas habilidades de comunicación, documentación y trabajo en equipo.
Nivel conversa

📌 AIOps Engineer (Madrid)
🏢 Jobtailor
📍 Madrid