¿Te entusiasma hacer crecer tu carrera?
BBVA es una compañía general con más de 160 años de historia que opera en más de 25 países donde damos servicio a más de 80 millones de clientes.
Somos más de * profesionales trabajando en equipos multidisciplinares con perfiles tan diversos como financieros, expertos legales, científicos de datos, desarrolladores, ingenieros y diseñadores.
Conoce más sobre el área:
AI Innovation, dentro de AI Transformation, tiene la responsabilidad de conocer y explorar tanto nuevas tecnologías como nuevos modelos y soluciones de Inteligencia Artificial que puedan tener impacto y adopción por parte de BBVA.
Desde la creación de los Robots y la definición de The Frame como framework y habilitador clave para la escalabilidad de la IA, se requiere un esfuerzo grande tanto de investigación, como innovación como de supervisión estratégica y de "advisory" dentro de la organización.
Dentro de AI Innovation, el AI Lab, explora, evalúa y desarrolla soluciones avanzadas basadas en modelos fundacionales, Large Language Models (LLMs) y sistemas agénticos para casos de uso estratégicos del banco.
El equipo trabaja en todo el ciclo de vida: desde la evaluación experimental de modelos hasta la construcción de prototipos y su integración en entornos productivos.
Sobre el puesto
Misión del puesto
Buscamos una persona para el puesto de Manager AI Innovation Engineer, con un perfil de más de 8 años de experiencia en Machine Learning, GenAI y en el desarrollo de proyectos y soluciones que combinen datos y modelos analíticos y de ML.
Se combinará experimentación analítica avanzada con el desarrollo de soluciones basadas en LLMs y arquitecturas agénticas, desde la definición del caso de uso hasta su puesta en producción.
Responsabilidades principales
Evaluación y experimentación con GenAI
Seleccionar y evaluar comparativamente modelos fundacionales para distintos casos de uso, incluidas aplicaciones de lenguaje, voz y soluciones multimodales.Diseñar y ejecutar planes de evaluación,
definiendo métricas técnicas y de negocio y comparando modelos en distintos escenarios.Construir de forma iterativa datasets de entrenamiento, validación y evaluación.Adaptar modelos generativos y discriminativos mediante fine-tuning u otras técnicas equivalentes.Definir metodologías de experimentación controlada, como pruebas A/B, y validar KPIs analíticos asociados a soluciones basadas en LLM.
Desarrollo de soluciones basadas en LLMs y sistemas agénticos
Diseñar y desarrollar soluciones analíticas basadas en LLMs, incluidas arquitecturas que combinen varios modelos.Diseñar y desarrollar sistemas agénticos en los que los modelos interactúen con herramientas, APIs, fuentes de conocimiento externas y modelos de ML.Desarrollar flujos de razonamiento y orquestación de modelos, con planificación de tareas, uso de herramientas y composición de varios pasos de inferencia.Construir bases de conocimiento y datasets de dominio para alimentar modelos generativos.Crear sistemas donde los LLMs funcionen como interfaces inteligentes para interactuar con sistemas y datos corporativos.Desarrollar pipelines de inferencia y servicios backend; integrar modelos con sistemas y operativas del banco, incluidas APIs y sistemas corporativos.Participar en ciclos iterativos de experimentación, desde el prototipo hasta la solución productiva.
Investigación aplicada y transferencia de conocimiento
Explorar de forma continua avances en LLMs, modelos fundacionales,
técnicas avanzadas de NLP y arquitecturas agénticas.Evaluar tecnologías y frameworks relevantes para soluciones de IA generativa.Comunicar conceptos técnicos a audiencias internas con distintos niveles de especialización.
Requisitos técnicos
Machine Learning Engineering
Experiencia en el ciclo de vida completo de proyectos de ML y NLP: exploración de datos (EDA), construcción de datasets, selección y entrenamiento de modelos, evaluación y monitorización.Experiencia desarrollando soluciones analíticas productivas, pipelines de ML y servicios de inferencia.Experiencia en MLOps: automatización de pipelines, integración y despliegue continuo, observabilidad y monitorización de modelos.
Infraestructura, cloud y herramientas
Experiencia trabajando en entornos cloud, especialmente AWS y GCP, y desplegando e integrando soluciones de ML en cloud.Conocimiento de infraestructura como código (IaC), por ejemplo CloudFormation.Experiencia con Git y prácticas CI/CD para integración y despliegue de software.Programación en Python;
se valorará experiencia con TypeScript o Node.js.Experiencia con frameworks de orquestación de LLMs y agentes, como LangGraph, Agents SDK, AWS Strands u otros equivalentes.Experiencia utilizando agentes de programación como Codex, Claude Code, Cursor, GitHub Copilot o herramientas similares.
Riesgos de los modelos generativos
Comprensión de riesgos asociados a los modelos generativos, incluidos la alucinación de hechos, los sesgos, la impredecibilidad y las omisiones en la generación.
Experiencia valorable
Experiencia con otros entornos cloud, como GCP / Vertex AI.Experiencia en entornos on-premise.Experiencia en el sector bancario, en plantilla o en consultoría.
Competencias personales
Espíritu de equipo y capacidad para trabajar de forma colaborativa.Capacidad para explicar conceptos técnicos a perfiles no técnicos.Mentalidad analítica y orientación a la experimentación.Flexibilidad y adaptación a entornos tecnológicos en evolución.
Habilidades
Aprendizaje automático (ML), Idioma inglés, Programación orientada a objetos (POO), Tensorflow
📌 Manager Ai Innovation Engineer (Madrid)
🏢 Bbva
📍 Madrid