Manager, ML Solutions Architecture - Token Factory

• Más de 3 años gestionando equipos técnicos, incluyendo gestión del desempeño y conversaciones difíciles
• Experiencia gestionando un equipo de cara al cliente. Dirigir un equipo cuyo trabajo es visible para los clientes, con los plazos de los clientes y con escaladas de clientes.
• Sólidos conocimientos de ML: arquitecturas de LLM, enfoques de fine-tuning (SFT/LoRA, basados en RL), diseño de evaluación y dominio práctico de los aspectos internos de la inferencia (cuantización, gestión de la caché KV, batching, enrutamiento, speculative decoding) y de los frameworks en los que trabaja el equipo (vLLM, SGLang, TensorRT-LLM)
• Suficiente criterio técnico para revisar el benchmark de otra persona y encontrar el fallo en la metodología, no solo en la conclusión
• Python lo suficientemente sólido como para leer y revisar el código de tu equipo
• Excelentes habilidades de comunicación, con capacidad para explicar claramente conceptos técnicos a audiencias diversas, desde ingenieros hasta ejecutivos, incluso ante clientes corporativos bajo presión
• Tolerancia genuina por el trabajo operativo: documentación, diseño de procesos, informes y el seguimiento que hace que estos perduren
• Comodidad operando con ambigüedad en equipos distribuidos y distintas zonas horarias, y una tendencia a dejar las cosas por escrito

• Referencias tanto de antiguos managers como de antiguos subordinados directos
• Experiencia escalando un equipo mediante un crecimiento rápido (de 5 a más de 15) sin perder la calidad de la entrega
• Experiencia previa en una función técnica de cara al cliente en un proveedor de servicios en la nube, de inferencia o de infraestructura de IA
• Experiencia definiendo procesos y documentación para un equipo que no tenía ninguno
• Experiencia práctica ejecutando LLMs en producción y depurando cargas de trabajo de inferencia a nivel de framework
• Trabajo con modelos de IA multimodales (visión-lenguaje, voz)
• Competencia con herramientas de DevOps (Docker, Kubernetes) e infraestructura como código
• Lenguajes de programación: Python
• Frameworks y librerías de ML: vLLM, TensorRT-LLM, SGLang, Transformers, SDKs de OpenAI/Anthropic
• Herramientas de MLOps y DevOps: Kubernetes (K8s), Docker, Git
• Plataformas cloud: AWS (SageMaker, Bedrock), GCP (Vertex AI), Azure (Azure ML)

• Compensación competitiva
• Oportunidades de crecimiento profesional y aprendizaje
• Flexibilidad y autonomía
• Cultura colaborativa e innovadora
• Oportunidad de trabajar en proyectos de IA de gran impacto
• Entorno internacional y equipos con talento

Nebius está liderando una nueva era en la infraestructura de la nube para la economía global de la IA. Estamos construyendo una plataforma de nube de IA de stack completo que da soporte a desarrolladores y empresas, desde el entrenamiento de datos y modelos hasta el despliegue en producción, sin el coste y la complejidad de construir una gran infraestructura de IA/ML propia.

Creado por ingenieros, para ingenieros. Desde la orquestación de GPU a gran escala hasta la optimización de la inferencia, nos encargamos de los problemas difíciles en computación, almacenamiento, redes e IA aplicada.

Cotizamos en Nasdaq (NBIS) y tenemos nuestra sede en Ámsterdam; contamos con una presencia global con centros de I+D en Europa, el Reino Unido, Norteamérica e Israel. Nuestro equipo de más de 1.500 personas incluye a cientos de ingenieros con profunda experiencia en hardware, software e I+D de IA.

Esta posición se encuentra dentro de Nebius Token Factory, nuestra plataforma serverless para ejecutar y personalizar LLMs de código abierto en producción. Token Factory permite la inferencia serverless y el fine-tuning respaldados por optimizaciones internas como speculative decoding personalizado, cuantización, enrutamiento consciente de la caché (cache-aware routing) y endpoints dedicados. Los clientes acuden a nosotros para pasar del prototipo a la producción a escala sin el coste y la complejidad de construir y ajustar su propio stack de inferencia.

Nuestros Solutions Architects son responsables de la entrega técnica de los compromisos con los clientes: desplegar modelos de código abierto, ajustar el stack de servicio, realizar benchmarks frente a los criterios de éxito del cliente y llevar la relación técnica hasta la producción. Los Sales Engineers califican y definen el alcance de la oportunidad; los SAs la ejecutan. Los Technical Account Managers se encargan de ella a partir de la producción.

Buscamos un Manager, ML Solutions Architecture para liderar nuestros equipos regionales de SA en la UE. Tu ámbito de actuación es la entrega de PoC y el soporte técnico postventa: las personas que lo hacen, el estándar con el que lo hacen y la cadencia operativa que lo mantiene predecible. Reportarás al Head of Solutions Architecture y colaborarás con un manager par en la otra región.

Esperamos que presiones a la gente cuando necesite presión, que tomes las decisiones difíciles cuando los entregables no lleguen aunque el esfuerzo haya sido real, y que asumas la responsabilidad del trabajo de documentación: implementar y supervisar el cumplimiento de las directrices, la higiene de los tickets y asegurar que el equipo realmente utilice las tres cosas.

Puedes trabajar de forma remota desde cualquier país de la UE.

• Ser responsable de los resultados de entrega de tu equipo: tiempo desde el inicio de la PoC hasta el primer endpoint dedicado optimizado, tasa de cumplimiento de los criterios de éxito y la calidad de la relación técnica después de que el cliente pase a producción
• Revisar el trabajo técnico antes de que llegue al cliente: metodología de benchmarking, configuraciones de servicio, resultados, documentos de cierre; detectar una conclusión errónea derivada de un artefacto de métricas antes de que un cliente la vea
• Garantizar la cobertura de personal y de escalada en todas las cuentas y zonas horarias, incluyendo la carga de solicitudes postventa que no respeta los límites de los sprints
• Comunicar la inviabilidad de forma temprana y con evidencias, en lugar de permitir que el equipo malgaste iteraciones en requisitos que la plataforma no puede cumplir hoy