Manager AI Innovation Engineer in Madrid

Manager AI Innovation Engineer in Madrid

Madrid Full Time Presencial
B

¿Te entusiasma hacer crecer tu carrera? BBVA es una compañía global con más de 160 años de historia que opera en más de 25 países donde damos servicio a más de 80 millones de clientes. Somos más de 121.000 profesionales trabajando en equipos multidisciplinares con perfiles tan diversos como financieros, expertos legales, científicos de datos, desarrolladores, ingenieros y diseñadores. Conoce más sobre el área:

AI Innovation, dentro de AI Transformation, tiene la responsabilidad de conocer y explorar tanto nuevas tecnologías como nuevos modelos y soluciones de Inteligencia Artificial que puedan tener impacto y adopción por parte de BBVA. Desde la creación de los Robots y la definición de The Frame como framework y habilitador clave para la escalabilidad de la IA, se requiere un esfuerzo grande tanto de investigación, como innovación como de supervisión estratégica y de "advisory" dentro de la organización. Dentro de AI Innovation, el AI Lab, explora, evalúa y desarrolla soluciones avanzadas basadas en modelos fundacionales, Large Language Models (LLMs) y sistemas agénticos para casos de uso estratégicos del banco. El equipo trabaja en todo el ciclo de vida: desde la evaluación experimental de modelos hasta la construcción de prototipos y su integración en entornos productivos. Sobre el puesto

Misión del puesto

Buscamos una persona para el puesto de Manager AI Innovation Engineer, con un perfil de más de 8 años de experiencia en Machine Learning, GenAI y en el desarrollo de proyectos y soluciones que combinen datos y modelos analíticos y de ML. Se combinará experimentación analítica avanzada con el desarrollo de soluciones basadas en LLMs y arquitecturas agénticas, desde la definición del caso de uso hasta su puesta en producción. Responsabilidades principales

Evaluación y experimentación con GenAI

Seleccionar y evaluar comparativamente modelos fundacionales para distintos casos de uso, incluidas aplicaciones de lenguaje, voz y soluciones multimodales. Diseñar y ejecutar planes de evaluación, definiendo métricas técnicas y de negocio y comparando modelos en distintos escenarios. Construir de forma iterativa datasets de entrenamiento, validación y evaluación. Adaptar modelos generativos y discriminativos mediante fine-tuning u otras técnicas equivalentes. Definir metodologías de experimentación controlada, como pruebas A/B, y validar KPIs analíticos asociados a soluciones basadas en LLM. Desarrollo de soluciones basadas en LLMs y sistemas agénticos

Diseñar y desarrollar soluciones analíticas basadas en LLMs, incluidas arquitecturas que combinen varios modelos. Diseñar y desarrollar sistemas agénticos en los que los modelos interactúen con herramientas, APIs, fuentes de conocimiento externas y modelos de ML. Desarrollar flujos de razonamiento y orquestación de modelos, con planificación de tareas, uso de herramientas y composición de varios pasos de inferencia. Construir bases de conocimiento y datasets de dominio para alimentar modelos generativos. Crear sistemas donde los LLMs funcionen como interfaces inteligentes para interactuar con sistemas y datos corporativos. Desarrollar pipelines de inferencia y servicios backend; integrar modelos con sistemas y operativas del banco, incluidas APIs y sistemas corporativos. Participar en ciclos iterativos de experimentación, desde el prototipo hasta la solución productiva. Investigación aplicada y transferencia de conocimiento

Explorar de forma continua avances en LLMs, modelos fundacionales, técnicas avanzadas de NLP y arquitecturas agénticas. Evaluar tecnologías y frameworks relevantes para soluciones de IA generativa. Comunicar conceptos técnicos a audiencias internas con distintos niveles de especialización. Requisitos técnicos

Machine Learning Engineering

Experiencia en el ciclo de vida completo de proyectos de ML y NLP: exploración de datos (EDA), construcción de datasets, selección y entrenamiento de modelos, evaluación y monitorización. Experiencia desarrollando soluciones analíticas productivas, pipelines de ML y servicios de inferencia. Experiencia en MLOps: automatización de pipelines, integración y despliegue continuo, observabilidad y monitorización de modelos. Infraestructura, cloud y herramientas

Experiencia trabajando en entornos cloud, especialmente AWS y GCP, y desplegando e integrando soluciones de ML en cloud. Conocimiento de infraestructura como código (IaC), por ejemplo CloudFormation. Experiencia con Git y prácticas CI/CD para integración y despliegue de software. Programación en Python; se valorará experiencia con TypeScript o Node.js. Experiencia con frameworks de orquestación de LLMs y agentes, como LangGraph, Agents SDK, AWS Strands u otros equivalentes. Experiencia utilizando agentes de programación como Codex, Claude Code, Cursor, GitHub Copilot o herramientas similares. Riesgos de los modelos generativos

Comprensión de riesgos asociados a los modelos generativos, incluidos la alucinación de hechos, l

Manager AI Innovation Engineer in Madrid empresa: BBVA MÉXICO

BBVA MÉXICO se destaca como un excelente empleador al ofrecer un entorno de trabajo dinámico y colaborativo, donde la innovación y el desarrollo profesional son prioritarios. Con oportunidades de crecimiento continuo y un enfoque en la formación de sus empleados, esta posición en el nuevo Multi Family Office permite a los profesionales contribuir significativamente a iniciativas estratégicas en un ambiente que valora la diversidad y el trabajo en equipo.

B

Datos de contacto:

Equipo de selección de BBVA MÉXICO