PROPÓSITO / MISIÓN

Liderar la estrategia de analítica avanzada e inteligencia artificial del Grupo, definiendo el marco MLOps con SageMaker, proponiendo arquitecturas de machine learning e IA generativa, y habilitando un ecosistema gobernado donde los equipos de dominio puedan desarrollar, desplegar y monitorear modelos de forma escalable y costo-eficiente.

RESPONSABILIDADES

• Vigilancia Tecnológica y Evolución: Mantener un monitoreo constante de tendencias y herramientas del mercado y evaluar tecnologías para proponer adopciones basadas en la alineación estratégica y costo-eficiencia, realizando benchmarking para asegurar que la línea analítica sea competitiva frente a estándares industriales.

• Gobierno de Frameworks: Definir, documentar y evolucionar los marcos de trabajo, estableciendo los estándares y patrones que los equipos de dominio deben seguir. Deberá garantizar que estas estructuras estén alineadas con el gobierno de BI y la arquitectura empresarial.

• Diseño de Arquitecturas: Crear soluciones personalizadas cuando los marcos actuales no cubren los requisitos técnicos. Esto implica coordinar con equipos de DevSecOps, Cloud y Seguridad para garantizar infraestructuras robustas, documentadas y escalables.

• Gestión del Conocimiento: Asegurar que las metodologías y procedimientos estén actualizados, generando material de capacitación y guías de mejores prácticas para los equipos.

• Relacionamiento y Liderazgo: Actuar como puente entre la arquitectura empresarial, proveedores estratégicos y equipos técnicos. Finalmente, deben ejercer como mentores del consultor experto, resolviendo impedimentos complejos y fomentando una cultura de innovación continua.

• Evolucionar y gobernar el framework de MLOps en SageMaker, definiendo estándares de ciclo de vida de modelos.

• Diseñar arquitecturas de ML/IA para casos de uso avanzados: computer vision, NLP, series de tiempo, optimización.

• Liderar la estrategia de IA generativa y agentes inteligentes, evaluando servicios como Bedrock y/o Vertex IA proponiendo casos de uso estratégicos.

• Definir lineamientos de experimentación, versionado, monitoreo y reentrenamiento de modelos.

• Vigilar la evolución del ecosistema AWS de ML/IA (SageMaker, Bedrock) y proponer adopciones.

• Establecer prácticas de IA responsable, explicabilidad y gobierno de modelos.

CONOCIMIENTOS DESEABLES

• Experiencia sólida en diseño de arquitecturas de soluciones analíticas en entornos cloud (AWS).

• Certificación AWS Cloud Practitioner (requerida); certificaciones adicionales de especialidad (deseables).

• Git y Azure DevOps para control de versiones y gestión de trabajo.

• Marcos de trabajo basados en metodologías ágiles.

• Programación: Python avanzado, PySpark, SQL, Pandas, Scikit-learn, PyTorch/TensorFlow.

• MLOps: AWS SageMaker (Pipelines, Model Registry, Endpoints, Feature Store, Experiments).

• Machine Learning: Modelos supervisados, no supervisados, deep learning, series de tiempo, optimización.

• IA Generativa: LLMs, RAG, agentes inteligentes, prompt engineering, fine-tuning, AWS Bedrock.

• Servicios AWS: SageMaker, Bedrock, S3, Lambda, ECR, Step Functions, CloudWatch.

• Gobernanza ML: Model monitoring, drift detection, explicabilidad, IA responsable.

• Capacidad de documentación técnica (diagramas de arquitectura, RFCs, ADRs).

• Habilidades de comunicación, storytelling y presentación ejecutiva.

• Pensamiento estratégico, analítico y crítico.

• Gestión de proyectos y priorización de iniciativas.

EDUCACIÓN

EXPERIENCIA

Entre 3 y 5 años de experiencia en procesos similares.