1. Misión del puesto

Impulsar la adopción de la inteligencia artificial en el grupo, desde la identificación del caso de uso hasta su puesta en producción: construyendo agentes y soluciones de IA generativa, desarrollando modelos de machine learning sobre los datos de negocio y explorando capacidades de IA on-premise, siempre con criterio de negocio y uso responsable.

2. Responsabilidades principales

2.1 Agentes e IA generativa

- Diseñar y construir agentes y soluciones basadas en IA generativa que respondan a necesidades reales de negocio.
- Evaluar en cada caso qué enfoque tecnológico conviene: plataformas low-code, más rápidas de desplegar y mantener, o desarrollo a medida, que da más control sobre el comportamiento, la integración y la escalabilidad. La decisión debe tener en cuenta el coste (licencias, consumo y mantenimiento), el time-to-market, la complejidad del caso y los requisitos de seguridad y privacidad del dato.
- Desarrollar asistentes de consulta en lenguaje natural sobre datos (NL-to-SQL), para que cualquier usuario pueda obtener la información que necesita de forma ágil haciendo preguntas en su propio lenguaje, aunque no tenga perfil técnico ni conozca SQL.
- Definir y aplicar criterios de evaluación de la calidad de las respuestas (precisión, alucinaciones, utilidad) antes y después del paso a producción, y mejorar las soluciones de forma continua según su uso real.

2.2 Machine Learning y analítica avanzada

- Desarrollar modelos de clasificación y segmentación de clientes (valor, riesgo de abandono, potencial).
- Construir modelos de previsión de demanda.

2.3 PoCs de IA on-premise

- Evaluar y desplegar LLMs para casos con datos sensibles.
- Montar soluciones RAG con bases de datos vectoriales y despliegue en contenedores.




- Dimensionar hardware (GPU), coste y rendimiento, y elaborar comparativas frente a la alternativa cloud.

2.4 Adopción, formación y gobierno de la IA

- Identificar y priorizar casos de uso con las áreas de negocio, estimando impacto y viabilidad.
- Formar a usuarios; documentar buenas prácticas, prompts y guías de uso.
- Velar por el uso responsable de la IA: RGPD, AI Act (incluida la obligación de alfabetización en IA), seguridad de datos y políticas internas de uso

3. Requisitos

Imprescindibles

- Titulación en Matemáticas, Estadística, Ingeniería Informática, Telecomunicaciones o similar.
- 2+ años de experiencia en datos / IA.
- Experiencia demostrable construyendo soluciones con LLMs en producción: RAG, agentes, function calling, prompting.
- Experiencia con modelos de ML en producción, no solo en notebooks: clasificación, clustering, series temporales y validación de modelos.
- Python y SQL avanzados.

Valorables
- Copilot Studio y Power Platform; si no se conocen, capacidad demostrada para adoptarlos con rapidez.
- Microsoft Fabric, Power BI y Dataverse.
- Docker, FastAPI, CI/CD y MLflow.
- Bases de datos vectoriales y despliegue de LLMs on-premise (Ollama, vLLM).
- Conocimientos de modelado de datos y procesos ETL.
- Experiencia en otras nubes (Azure, GCP, AWS).

4. Competencias

- Orientación a negocio: interés por entender el negocio para que el dato y la IA signifiquen algo, no solo funcionen; capacidad de traducir un problema en un caso con ROI medible.
- Perfil generalista y autónomo: capaz de llevar una iniciativa de la PoC a producción.
- Comunicación: explica conceptos técnicos a usuarios no técnicos y tiene vocación de formar.
- Criterio: sabe decidir cuándo NO usar IA y elegir la herramienta adecuada (low-code vs. desarrollo a medida).

📌 AI ENGINEER - DATA & AI (La Muela)
🏢 TEQUINSON
📍 La Muela