AI Engineer

Experiencia técnica imprescindible

• Experiencia demostrada con técnicas de GenAI y LLMs, incluyendo RAG, inferencia de contexto largo, ajuste de prompts (prompt tuning) e integración multimodal.
• Sólidas habilidades prácticas con Python, modelos de embedding y librerías de orquestación (por ejemplo, LangChain, Semantic Kernel o equivalentes).
• Comodidad con las prácticas de MLOps, incluyendo control de versiones, pipelines de CI/CD, monitorización de modelos y reproducibilidad.
• Capacidad para operar de forma independiente, entregar de forma iterativa y cuestionar suposiciones con información basada en datos.
• Comprensión de la optimización de la búsqueda vectorial y el ajuste de la recuperación.
• Experiencia con modelos multimodales

• Experiencia construyendo y operando sistemas de IA en industrias reguladas (por ejemplo, seguros, finanzas, salud).
• Familiaridad con el ecosistema de Azure AI (por ejemplo, Azure OpenAI, Azure AI Document Intelligence, Azure Cognitive Search) y prácticas de despliegue en entornos nativos de la nube.
• Experiencia con arquitecturas de IA agéntica, herramientas como AutoGen o frameworks de encadenamiento de prompts.
• Familiaridad con los principios de privacidad de datos y auditabilidad en la IA empresarial.

Bonus: Piensas como un Product Manager

Aunque este rol es técnico en su esencia, valoramos mucho a los candidatos que tienen curiosidad por saber cómo las funciones de IA se convierten en productos. Si te entusiasma la idea de influir en las hojas de ruta, dar forma a los requisitos o ser responsable de la entrega de valor de extremo a extremo, te daremos espacio para crecer en ello. Este es un rol donde la ingeniería y el producto no son silos. Si tienes interés en moverte en esa dirección, te mentorizaremos y apoyaremos en tu evolución.

Para España, el rango salarial base para este puesto es de entre 42.000 EUR y 70.000 EUR (para un puesto a tiempo completo). El salario específico ofrecido tiene en cuenta:

• los requisitos, el alcance, la complejidad y las responsabilidades del puesto,
• el propio perfil del solicitante, incluyendo educación/titulaciones, experiencia, especialización, habilidades y trayectoria.

Además de tu salario base, Swiss Re ofrece un atractivo componente de compensación variable basado en el rendimiento, diseñado para reconocer tus logros. Además, disfrutarás de una variedad de beneficios globales y específicos de la ubicación.

La elegibilidad puede variar según los términos de las políticas de Swiss Re y tu contrato de trabajo.

Como Ingeniero/a de IA/ML, desempeñarás un papel fundamental en la investigación, desarrollo y despliegue de soluciones de próxima generación de GenAI y aprendizaje automático. Tu alcance irá más allá de la generación aumentada por recuperación (RAG) para incluir áreas como la ingeniería de prompts, la orquestación de LLM de contexto largo, la integración de modelos multimodales (voz, texto, imagen, PDF) y los flujos de trabajo basados en agentes. Ayudarás a evaluar las ventajas y desventajas entre las estrategias RAG y las de contexto nativo, explorar técnicas híbridas y construir pipelines inteligentes que combinen datos estructurados y no estructurados. Trabajarás con tecnologías como LLM, bases de datos vectoriales, frameworks de orquestación, librerías de encadenamiento de prompts y modelos de embeddings, incorporando inteligencia en sistemas complejos y críticos para el negocio. Este puesto se sitúa en la intersección entre la prototipación rápida de GenAI y el despliegue empresarial riguroso, lo que te dará influencia práctica tanto sobre la pila técnica como sobre la dirección emergente del producto.

• Construir pipelines de GenAI de próxima generación: Diseñar, implementar y optimizar pipelines en RAG, ingeniería de prompts, gestión de entrada de contexto largo y procesamiento multimodal.
• Prototipar, validar, desplegar: Probar ideas rápidamente mediante PoCs, validar el rendimiento frente a casos de uso empresariales del mundo real e industrializar los patrones exitosos.
• Ingerir, enriquecer, embeber: Construir flujos de trabajo de ingesta que incluyan OCR, fragmentación (chunking), embeddings e indexación en bases de datos vectoriales para desbloquear datos no estructurados.
• Integrar sin fisuras: Integrar servicios de GenAI en flujos de trabajo empresariales críticos, equilibrando la escalabilidad, el cumplimiento, la latencia y la observabilidad.
• Explorar estrategias híbridas: Combinar RAG con modelos nativos de contexto, mecanismos de recuperación y razonamiento agéntico para construir arquitecturas híbridas robustas.
• Impulsar el impacto con pensamiento de producto: Colaborar con gestores de producto y diseñadores de UX para dar forma a soluciones centradas en el usuario y comprender el contexto empresarial.
• Garantizar una calidad de nivel empresarial: Entregar soluciones que sean seguras, conformes (por ejemplo, GDPR), explicables y resilientes, especialmente en entornos regulados.