Buscamos perfiles de Data Science y Forward Deployed AI Engineering para diseñar y llevar a producción soluciones de inteligencia artificial aplicadas a operación, mantenimiento, manufacturing y logística.

Desplácese hacia abajo para encontrar una descripción detallada de este trabajo y lo que se espera de los candidatos. Envíe su solicitud haciendo clic en el botón "Solicitar".

La oportunidad tiene dos vías de entrada. Puedes aportar profundidad en Data Science o en ingeniería de soluciones de IA; no esperamos que seas especialista en ambas. En cualquiera de las dos, será significativo entender el problema operativo, trabajar con quienes conocen el proceso y construir soluciones que puedan integrarse, utilizarse y evolucionar.

El trabajo puede implicar datos de sensores y series temporales, eventos, órdenes de trabajo, inventario, producción, calidad, documentación técnica o movimientos de materiales. La experiencia previa en entornos industriales será valorable, pero no es imprescindible: sí lo son la curiosidad por entenderlos y la disposición para aprender de sus especialistas.

-

- Trabajar con equipos de operación, mantenimiento, producción y logística para entender sus procesos, decisiones, restricciones y fuentes de datos.

- Traducir problemas operativos en casos de uso de IA con alcance, métricas, baseline y criterios de aceptación definidos.

- Diseñar, desarrollar y validar soluciones desde la exploración inicial hasta su puesta en producción.

- Integrar modelos, agentes o servicios analíticos con APIs, bases de datos, documentación técnica y sistemas empresariales u operativos.

- Construir y mantener pipelines de datos e IA con testing, trazabilidad,



observabilidad y monitorización.

- Evaluar calidad, robustez, coste, latencia e impacto operativo, explicando también los límites de cada solución.

- Colaborar con perfiles de negocio, ingeniería, arquitectura y usuarios finales, adaptando la comunicación a cada interlocutor.

Si tu especialidad es Data Science

buscamos experiencia demostrable en varias de estas áreas:

-

- Python, SQL, estadística y Machine Learning aplicado.

- Análisis exploratorio, diseño de baselines y validación rigurosa de modelos.

- Feature engineering, entrenamiento, evaluación, despliegue y monitorización de modelos.

- Capacidad para conectar los resultados analíticos con decisiones operativas.

No es imprescindible tener experiencia previa en IA generativa para esta especialidad. Sí esperamos interés por aprender cuándo agentes o modelos de lenguaje pueden aportar valor.

Si tu especialidad es Forward Deployed AI Engineering

buscamos experiencia demostrable en varias de estas áreas:

-

- Desarrollo de aplicaciones con modelos de lenguaje y agentes que utilizan herramientas.

- Diseño de workflows, planificación, memoria, supervisión humana y automatización de procesos.

- Integración con APIs, servicios, bases de datos y sistemas corporativos.

- Evaluación y observabilidad de soluciones: trazas,



métricas, datasets de prueba, errores, coste y latencia.

- Despliegue de servicios de IA mantenibles, seguros y operables.

- Gestión de riesgos de IA generativa, como alucinaciones, prompt injection, permisos, fuga de información, guardrails y supervisión humana.

Se valorará conocimiento práctico de sistemas RAG, aunque el foco está en construir agentes y soluciones integradas que funcionen dentro de procesos reales.

¿Qué tienen en común las dos vías?

-

- Fundamentos de ingeniería de software y experiencia práctica con Python.

- Uso de Git, testing, logging, documentación y buenas prácticas de desarrollo.

- Capacidad para integrar componentes mediante APIs y trabajar con datos estructurados y no estructurados.

- Comprensión de métricas, experimentación y validación basada en evidencia.

- Criterio técnico, comunicación clara y disposición para aprender de la especialidad complementaria.

Tecnologías y experiencia

Se valorará experiencia con herramientas como FastAPI o equivalentes, Docker, CI/CD, scikit-learn, PyTorch, plataformas MLOps, APIs de modelos fundacionales, LangGraph, Semantic Kernel o AutoGen. También con Databricks y servicios de datos o IA en Azure, AWS o GCP.

Según el proyecto, pueden aparecer entornos como SCADA, historian, IoT, GMAO/CMMS, ERP, MES, WMS o TMS. No es necesario conocer todas estas tecnologías: valoramos el dominio demostrable de herramientas equivalentes y la capacidad para elegir las adecuadas para cada problema.

Se valorará formación adicional en IA, Data Science, ingeniería de software, sistemas industriales, opera

📌 Data Scientist (Madrid)
🏢 Ntt Data Europe & Latam
📍 Madrid