Arquitecto Forward-Deployed, Analítica de Crédito y Plataformas de ML

Estamos buscando un "Forward Deployed Engineering (FDE) Architect" con perfil práctico para ayudar a desarrollar una plataforma de análisis de crédito para una empresa de servicios financieros regulada que opera en el Reino Unido e Irlanda.

La plataforma reúne datos de préstamos y gestión para dar soporte al análisis de carteras, la modelización del riesgo crediticio y la toma de mejores decisiones empresariales. El trabajo actual abarca la probabilidad de impago, la amortización y el pago anticipado, la pérdida crediticia esperada y la analítica interactiva. El siguiente reto es convertir este trabajo en una plataforma fiable y mantenible que pueda dar soporte a diferentes carteras y necesidades de clientes.

Trabajarás directamente con los equipos de negocio y tecnología del cliente, junto con un responsable de modelización y del dominio de crédito y otros ingenieros. Serás el responsable de la arquitectura de ingeniería, contribuirás con código de producción y ayudarás al equipo a decidir qué construir y cómo entregarlo. Necesitamos a alguien que sepa cuestionar supuestos, proponer alternativas más sencillas y explicar claramente las compensaciones técnicas.

• Traducir problemas de negocio en una arquitectura, un plan de entrega práctico y criterios de aceptación claros. Identificar lagunas en los requisitos, los datos y las dependencias antes de que se conviertan en problemas de entrega.

• Diseñar el camino desde los modelos y cuadros de mando operativos hasta una plataforma de ML lista para producción. Tomar decisiones deliberadas sobre componentes compartidos, configuración específica de la cartera, calibración de modelos y la futura incorporación de clientes.

• Construir y mejorar flujos de trabajo reproducibles para la preparación de datos, ingeniería de características (feature engineering), entrenamiento, validación, puntuación (scoring) y despliegue. Establecer un control de versiones claro para el código, los datos, los modelos y la lógica de calibración.

• Trabajar con el responsable de modelización sobre cómo se calculan, prueban y exponen a las aplicaciones la probabilidad de impago, el pago anticipado, el riesgo de vida (lifetime risk) y las estimaciones de pérdida. Mantener la coherencia de las definiciones de negocio en todos los modelos, tablas y cuadros de mando.

• Reforzar la base de datos: rastrear los resultados hasta la fuente, investigar problemas de calidad de datos, documentar supuestos y crear controles automatizados en torno a las transformaciones importantes.

• Mejorar la fiabilidad de la aplicación analítica basada en Snowflake, incluyendo el despliegue, las pruebas, los permisos y la integración con los resultados de los modelos.

• Implementar prácticas de MLOps adecuadas, incluyendo lanzamientos repetibles, monitorización, gestión de fallos, reversión (rollback) y documentación operativa.

• Diseñar para la privacidad, el control de acceso, la auditabilidad y la gobernanza de modelos. Trabajar con expertos del dominio para que las comprobaciones de validación, estabilidad y equidad sean prácticas y revisables.

• Liderar discusiones técnicas, revisar código, desbloquear a los ingenieros y mantener informado al cliente sobre el progreso, los riesgos y las decisiones arquitectónicas.

• Evaluar dónde la analítica de lenguaje natural o asistida por LLM aportaría valor, sin perder el enfoque en datos fiables, modelos robustos y productos útiles.

Snowflake, SQL, Python, Streamlit y un entorno de Azure ML. El equipo también utiliza herramientas de desarrollo asistidas por IA. Ayudarás a evolucionar la arquitectura basándote en las necesidades del producto en lugar de introducir un stack predeterminado.

• Un sistema de ML o analítico de producción que hayas ayudado a construir personalmente, incluyendo las decisiones de arquitectura y el código del que fuiste responsable.

• Cómo adaptarías un modelo y su calibración para una nueva cartera preservando la reproducibilidad, los límites de acceso y la validación.

• Una ocasión en la que cuestionaste un supuesto de negocio o técnico, propusiste una alternativa y lograste un mejor resultado.