Formarás parte de la Dirección de Inteligencia Artificial, con el objetivo principal de desplegar, operar y mantener en producción soluciones de Machine Learning y Gen AI desarrolladas por equipos de Data Science. El rol está orientado a garantizar calidad técnica, escalabilidad, observabilidad, gobierno y cumplimiento durante todo el ciclo de vida del modelo, desde el prototipo hasta su retirada controlada. Responsabilidades Industrializar y desplegar modelos de Machine Learning, Deep Learning, RAGs y agentes en entornos productivos. Diseñar y operar servicios de inferencia (batch, online y streaming) con SLAs definidos. Implementar pipelines de entrenamiento e inferencia, versionado y promoción de modelos. Definir e implantar estrategias de monitorización, detección de drift y control de calidad en producción. Asegurar observabilidad end-to-end (logs, métricas, trazas) y establecer SLOs/alertas. Gestionar despliegues, rollbacks y estrategias canary/blue-green. Integrar y operar proveedores de LLMs y servicios externos, controlando latencia, costes y límites. Garantizar Responsible AI, privacidad (PII) y cumplimiento normativo (EU AI Act). Requisitos Fundamentos de Machine Learning y evaluación Conocimiento técnico sólido de modelos de Machine Learning y Deep Learning, con capacidad para formular correctamente distintos tipos de problemas y evaluar, interpretar y mejorar el rendimiento de los modelos en función del caso de uso. Capacidad para seleccionar métricas adecuadas, analizar resultados, definir criterios de validación y tomar decisiones técnicas orientadas a negocio y operación. Comprensión de los principios de explicabilidad e interpretabilidad de modelos y de sus limitaciones en entornos reales. LLMs, Gen AI, RAGs y agentes Conocimiento técnico de modelos de lenguaje, embeddings y gestión de contexto, aplicado a soluciones de IA generativa en producción. Capacidad para diseñar, evaluar y operar sistemas RAG, así como para controlar calidad,



relevancia y alucinaciones en las respuestas. Comprensión de arquitecturas basadas en agentes, incluyendo orquestación, uso de herramientas y gestión de memoria. Aplicación de criterios de seguridad, privacidad y control en soluciones Gen AI. Ingeniería de software (Python) aplicada a despliegue Capacidad para desarrollar y estructurar servicios de IA en Python siguiendo buenas prácticas de ingeniería de software. Experiencia en diseño y operación de APIs de inferencia, así como en la gestión del ciclo de vida del código en entornos productivos. Aplicación de estrategias de testing, validación de contratos y gestión reproducible de entornos, orientadas a fiabilidad y mantenimiento. MLOps / AIOps e infraestructura Conocimiento de MLOps y AIOps para gestionar el ciclo de vida completo de modelos en producción, desde entrenamiento hasta despliegue y retirada. Capacidad para diseñar y operar pipelines, versionado de modelos y procesos CI/CD, garantizando despliegues seguros y reversibles. Experiencia en despliegue de servicios de IA sobre infraestructuras contenerizadas y orquestadas, así como en su integración con servicios externos y proveedores de LLMs. Monitorización, drift, bias y gobernanza Capacidad para definir e implantar estrategias de monitorización y observabilidad de modelos y servicios de IA en producción. Identificación y gestión de degradación de modelos, drift de datos y cambios de comportamiento a lo largo del tiempo. Conciencia y aplicación de principios de Responsible AI, incluyendo sesgos, fairness, privacidad y requisitos regulatorios. Conocimiento de gobernanza del ciclo de vida del modelo, documentación mínima, criterios de retirada y procesos de aprobación. Se ofrece Incorporarse a una entidad líder en el sector con proyectos innovadores y novedosos. Plan de carrera, desarrollo profesional y formación continuada. Contrato fijo, flexibilidad horaria y modelo híbrido. Salario competitivo, plan de ventajas y retribución flexible. #J-18808-Ljbffr

📌 Ai Deployment Engineer - Madrid
🏢 Vidacaixa
📍 Madrid