Director Técnico de Ingeniería de IA Core

• Más de 12 años de experiencia en ingeniería, datos, plataforma o entrega de tecnología, incluyendo una responsabilidad de liderazgo significativa en entornos empresariales complejos.
• Experiencia demostrada en el diseño y la validación de capacidades de IA empresarial, IA generativa o automatización inteligente mediante la implementación práctica y el traspaso técnico.
• Sólida experiencia en arquitectura empresarial, integración de sistemas, plataformas de nube/datos/aplicaciones y prácticas de ingeniería segura.
• Experiencia práctica con la orquestación de IA, evaluación, observabilidad, seguridad y prácticas de adopción.
• Capacidad para liderar equipos técnicos distribuidos y establecer prácticas escalables de ingeniería, DevOps, SRE y calidad.
• Excelentes habilidades de comunicación técnica y de toma de decisiones.

• Experiencia en la creación de arquitecturas de referencia y estándares de IA reutilizables.
• Conocimientos de bases de datos vectoriales, embeddings, recuperación híbrida, flujos de trabajo agénticos, llamada estructurada a herramientas (tool calling), gestión de contexto, servicio de modelos, evaluación y observabilidad.
• Experiencia en una organización global de bienes de consumo o en una empresa distribuida de complejidad similar.

Aunque no se garantiza el apoyo para la reubicación, la inmigración y/o el cumplimiento fiscal, es posible que ofrezcamos asistencia a los candidatos seleccionados dependiendo de factores como los requisitos del puesto de acuerdo con las directrices de la empresa.

Este es un puesto de liderazgo técnico a nivel de dirección con un enfoque práctico y una misión clara: identificar, diseñar y validar las próximas capacidades de IA empresarial con el mayor potencial para crear valor de negocio.

El Director de Core AI Engineering establecerá la dirección técnica y el modelo operativo para las capacidades de IA empresarial emergentes y complejas, combinando un liderazgo técnico responsable con una implicación directa en la arquitectura, decisiones de ingeniería críticas, prototipos, integraciones empresariales, revisiones de código y diseño, y validación técnica.

Liderarás un equipo pequeño y altamente capaz y trabajarás estrechamente con los responsables de AI Product Delivery, datos, seguridad, infraestructura e ingeniería de aplicaciones para demostrar qué es técnicamente posible, resolver cuestiones clave de arquitectura e integración, y crear el plano técnico y la evidencia necesarios para que los equipos de entrega puedan industrializar las capacidades.

• Responsabilizarse del roadmap de exploración técnica, la arquitectura objetivo y los estándares de ingeniería para las capacidades emergentes de IA empresarial.
• Definir los límites arquitectónicos, los supuestos de diseño y los criterios de decisión técnica en colaboración con los equipos de Product Delivery, datos, seguridad, infraestructura e ingeniería.
• Tomar decisiones pragmáticas sobre arquitectura, acceso y enrutamiento de modelos, orquestación, recuperación, integraciones y opciones de "build-versus-buy" (desarrollo propio frente a compra).
• Crear patrones de referencia reutilizables para la orquestación de IA, integraciones empresariales, evaluación, observabilidad, seguridad, gestión de contexto y LLMOps.
• Arquitecturar y validar entornos de ejecución de agentes (agent runtimes), incluyendo la orquestación de agentes únicos y múltiples, el enrutamiento de flujos de trabajo, controles de "human-in-the-loop", reintentos, mecanismos de fallback y de recuperación.
• Diseñar y probar enfoques de RAG y recuperación empresarial, incluyendo la ingesta, embeddings, indexación vectorial, recuperación híbrida, controles de acceso, reranking y enfoques de grafos de conocimiento.
• Prototipar la ingeniería de contexto, el almacenamiento en caché, la memoria, los sistemas de IA que utilizan herramientas y los mecanismos de mejora de bucle cerrado.
• Establecer diseños viables de inferencia y servicio de modelos, incluyendo gateways, enrutamiento, latencia, escalabilidad, coste, rendimiento y requisitos de fallback.
• Seleccionar y probar tecnologías adecuadas basándose en evidencia técnica medible.
• Liderar casos de uso prioritarios a través del descubrimiento, prototipado, integración empresarial, evaluación, revisión de seguridad y traspaso técnico.
• Mantener un enfoque práctico en la arquitectura, las revisiones de diseño y código, los prototipos críticos, la resolución de problemas técnicos y las decisiones de preparación.
• Definir implementaciones de referencia, interfaces, evidencia de calidad, requisitos no funcionales, limitaciones y criterios de aceptación para la industrialización.
• Establecer puntos claros de traspaso y transferencia de conocimientos con los equipos de entrega, plataforma, seguridad y operaciones.
• Establecer enfoques de evaluación medibles que cubran la calidad, la fundamentación (groundedness), el rendimiento de la recuperación, la fiabilidad de las herramientas, la seguridad, la latencia, el coste y la detección de regresiones.
• Instrumentar los prototipos para capturar el comportamiento del sistema, el uso, los fallos, las trazas, las versiones de modelos y prompts, la latencia, el coste y el feedback del usuario.
• Colaborar con los equipos de seguridad y gobernanza de datos para implementar los controles adecuados para datos sensibles, riesgos de seguridad de la IA, acceso y resultados no fiables.
• Equilibrar la experimentación ambiciosa con prácticas de ingeniería disciplinadas.
• Liderar, mentorizar y desarrollar a ingenieros sénior de IA y de plataforma, estableciendo prioridades y estándares de calidad técnica.
• Impulsar las revisiones de arquitectura y la toma de decisiones técnicas en toda la cartera de IA.
• Promover el aprendizaje técnico, las arquitecturas de referencia y los estándares que permitan a los equipos de entrega escalar capacidades probadas.