Ingeniero de Inteligencia Artificial (Agentes + ML/DL)

A continuación, encontrará un desglose completo de todo lo que se requiere de los posibles candidatos, así como la forma de presentar su candidatura. ¡Mucha suerte!, Incorporar un perfil técnico capaz de construir soluciones de IA end-to-end combinando:

• Modelos de Machine Learning / Deep Learning (predicción, clasificación, scoring, etc.) y su ciclo de vida en producción (entrenamiento, inferencia, monitorización y reentrenamiento).
• Sistemas de IA agéntica (agentes que razonan y ejecutan acciones usando herramientas, memoria y control del flujo) con foco en seguridad, trazabilidad y evaluaciones .
• RAG como pieza transversal para “grounding” de respuestas y acceso a conocimiento corporativo usando bases vectoriales y, cuando aplique, grafos ., * Diseñar y entrenar modelos ML/DL, validarlos y preparar su puesta en producción (métricas, umbrales, versiones).
• Implementar y operar el ciclo de vida: entrenamiento * inferencia * monitorización * reentrenamiento , incluyendo detección de drift para disparar reentrenos.
• Contribuir a estandarización de productivización (calidad, trazabilidad, monitorización) dentro del marco corporativo de ingeniería., * Diseñar y desarrollar agentes que razonan, planifican y actúan usando herramientas (APIs/BBDD) y memoria, entendiendo la arquitectura de agentes más allá del LLM.
• Implementar controles: separación por capas, guardarraíles/validaciones , trazabilidad de tool-calling y enfoque de seguridad (principios tipo Zero Trust, mínimo privilegio, verificación explícita).
• Construir pipelines RAG / GraphRAG : ingestión, curación, indexación y recuperación para respuestas fundamentadas.

C) Bloque común (calidad/operación)

• Definir y ejecutar evaluaciones desde el inicio (datasets de referencia, regresión), con trazas completas de ejecución para depuración y mejora continua.
• Alinear el desarrollo a un modelo de control/operación (supervisión, auditoría, métricas, ciclo de vida) para poder escalar a producción.

• Python profesional + buenas prácticas de testing .
• Git y trabajo con repositorios (clonado y trabajo local/colaborativo).

B) ML/DL (mínimos imprescindibles)

• Conocer el ciclo de vida de ML en producción con separación de etapas (entrenamiento, inferencia, monitorización, reentrenamiento).
• Nociones de monitorización y control de degradación (p.ej., drift y triggers para reentrenamiento).
• Experiencia con scikit-learn y PyTorch/TensorFlow.

C) Agentes IA Comprender qué es un agente y su arquitectura (memoria, herramientas, planificación, roles/multi-agente).

• Experiencia con al menos un framework pro-code para agentes/orquestación y tool calling (p.ej., LangGraph) y/o experiencia demostrable creando guardarraíles y control de flujos del agente.
• Capacidad de instrumentar seguridad/controles (guardarraíles, validaciones, trazabilidad) en agentes.

D) RAG + Vector DB (mínimos imprescindibles)

• Conocer RAG y sus requisitos (curación, indexado, infraestructura adicional; impacto en fiabilidad).
• Conocer BBDD vectoriales (embeddings, indexado, búsqueda semántica, filtros por metadatos; ejemplo Pinecone y su integración con frameworks).

Valorable (Nice-to-Have)

• Experiencia en entornos regulados y despliegues end-to-end, con foco en seguridad e infraestructura.
• Familiaridad con modelos de gobierno para agentes (auditoría, trazabilidad, métricas, operación).

En Grupo Mutua Madrileña, valoramos la diversidad y creemos en la igualdad de oportunidades para todos. Promovemos un entorno inclusivo donde la equidad salarial y la no discriminación son pilares fundamentales. Si buscas trabajar en una empresa que se compromete a que cada persona se sienta valorada y respetada, ¡nos encantaría conocerte!