Ingeniero de Implementación - Ingeniero de Datos

Quién Eres

Habilidades y experiencia requeridas •Competencia en programación: Experiencia demostrable en Python (o algún otro lenguaje moderno como C#, Node.js o TypeScript); se valorará la experiencia trabajando con frameworks de IA/ML como TensorFlow o PyTorch. •Ingeniería de software: Comprensión sólida del ciclo de vida de entrega de software, control de versiones (Git y GitHub) y herramientas de ingeniería de datos como Pandas y Spark. •Cloud y sistemas distribuidos: Experiencia con plataformas de IA en la nube (AWS, Azure, Google AI) y arquitecturas de computación distribuida. Habilidades y experiencia preferidas •Ecosistemas de código abierto: Familiaridad con herramientas y librerías de IA impulsadas por la comunidad, incluyendo Hugging Face y repositorios relevantes. •Perfil en forma de T (T-shaped): Profunda experiencia técnica en uno o dos dominios, con una comprensión amplia en IA/ML, cloud y consultoría. •Sistemas de IA Agéntica: Experiencia diseñando, construyendo o integrando sistemas multi-agente y frameworks de orquestación (por ejemplo, LangGraph, Semantic Kernel, Agent Framework, AutoGen, CrewAI), incluyendo el desarrollo de protocolos de agentes y mecanismos de coordinación. •Generación Aumentada por Recuperación (RAG) y sistemas de conocimiento: Conocimiento práctico del despliegue de arquitecturas RAG y la integración de fuentes de conocimiento estructuradas y no estructuradas en soluciones de IA. •Rendimiento y seguridad: Conocimiento de la optimización a nivel de sistema y de las mejores prácticas de seguridad para sistemas de IA escalables. •Visión de negocio: Capacidad para traducir los requisitos de negocio en soluciones técnicas y comunicar el valor técnico a diversas partes interesadas, incluyendo perfiles ejecutivos. •Flexibilidad: Disposición para viajar y trabajar en las instalaciones del cliente según sea necesario. •Educación: Titulación universitaria en Informática, Ingeniería Informática, Ciencia de Datos, Ingeniería o una disciplina estrechamente relacionada, o experiencia profesional equivalente.

El Rol

En Kyndryl, los Forward Deployed Engineers trabajan donde los datos, la nube y la IA se hacen realidad. Este no es un rol de consultoría tradicional ni un puesto de ingeniería de back-office. Los Forward Deployed Engineers se integran directamente con los clientes para diseñar, construir y desplegar soluciones de datos modernas que operen en entornos de producción complejos y regulados.

Como Forward Deployed Engineer (FDE) - Data Engineering & GCP, serás responsable de flujos de trabajo de entrega definidos dentro de los compromisos con los clientes, diseñando y construyendo plataformas de datos escalables, pipelines y productos de datos principalmente en Google Cloud Platform (GCP).

Operarás con una independencia creciente en los entornos de los clientes, combinando una sólida experiencia práctica en Data Engineering con el contexto de negocio. Traducirás desafíos ambiguos de negocio y de datos en soluciones robustas y listas para producción, desde prototipos rápidos y MVPs hasta la industrialización y el despliegue en producción.

El rol se sitúa en la intersección de Data Engineering, Cloud Architecture, AI enablement, consultoría y responsabilidad en la entrega. Trabajarás a lo largo de todo el ciclo de vida de los datos —desde la ingesta y transformación hasta la orquestación, gobernanza, observabilidad y servicio de datos— creando bases de datos fiables para analítica, cargas de trabajo operativas, Machine Learning y IA Generativa.

Utilizarás herramientas modernas de ingeniería y de desarrollo asistido por IA para acelerar el diseño de soluciones, la codificación, las pruebas, la resolución de problemas y el despliegue, al tiempo que generas la confianza del cliente necesaria para impulsar la adopción y el impacto a largo plazo.

• Customer Engagement & Solution Engineering: Colaborar directamente con los clientes para comprender sus desafíos de negocio y de datos, y traducirlos en soluciones técnicas de alta calidad y adaptadas a sus necesidades, equilibrando la velocidad de entrega con la escalabilidad, la mantenibilidad, la seguridad y la integridad arquitectónica a largo plazo.
• Data Engineering en GCP: Diseñar, construir y optimizar pipelines de datos y plataformas de datos escalables utilizando tecnologías como BigQuery, Cloud Storage, Dataflow, Dataproc, Pub/Sub, Cloud Composer/Airflow y Dataform, seleccionando los servicios y patrones adecuados para cada carga de trabajo.
• Data Architecture & Modernization: Contribuir al diseño e implementación de arquitecturas de datos en la nube modernas, incluyendo data lakes, data warehouses, patrones de lakehouse, procesamiento por lotes (batch) y en streaming, así como migraciones de plataformas de datos heredadas o locales (on-premises) a GCP.
• Rapid Prototyping: Construir e iterar PoCs, MVPs y prototipos orientados a producción para validar rápidamente decisiones de arquitectura, patrones de integración, rendimiento y valor de negocio con datos y entornos reales de clientes.
• Ownership, Deployment & Partnership: Ser responsable de los flujos de trabajo de entrega de principio a fin: desde el descubrimiento técnico y el diseño de la solución hasta la implementación, pruebas, despliegue y estabilización en producción. Trabajar como parte del equipo del cliente en lugar de operar únicamente como un asesor externo.
• Data Integration & Processing: Implementar patrones robustos de ingesta, transformación y procesamiento, tanto en batch como en tiempo real, a través de fuentes de datos heterogéneas, APIs, bases de datos, archivos, flujos de eventos y plataformas empresariales.
• Production Engineering: Construir soluciones teniendo en cuenta los requisitos de producción, incluyendo CI/CD, Infrastructure as Code, pruebas automatizadas, monitorización, observabilidad, seguridad, IAM, calidad de datos, linaje y capacidad de soporte operativo.
• Performance & Cost Optimization: Resolver problemas y optimizar las cargas de trabajo de datos en cuanto a rendimiento, escalabilidad, fiabilidad y coste, especialmente en BigQuery, Spark/Dataproc, Dataflow y otros servicios de datos de GCP.
• AI & ML Data Enablement: Construir e integrar las bases de datos necesarias para soluciones de Machine Learning e IA Generativa, incluyendo pipelines de datos fiables, preparación de características (features), calidad de datos, procesamiento de datos vectoriales y no estructurados, e integración con servicios de IA de GCP como Vertex AI.
• Field Intelligence: Capturar sistemáticamente los aprendizajes de los despliegues, patrones reutilizables, aceleradores técnicos y mejores prácticas de los compromisos con los clientes, y compartirlos con los equipos de ingeniería y entrega de Kyndryl.
• Continuous Learning: Mantenerse al día con la evolución del ecosistema de datos de GCP, las prácticas modernas de Data Engineering, la ingeniería asistida por IA y las tecnologías emergentes, aplicando las nuevas capacidades de forma pragmática a los problemas de los clientes.
• Platform & Engineering Contribution: Contribuir con código reutilizable, arquitecturas de referencia, automatización, frameworks y feedback que mejoren las capacidades de ingeniería de Data & AI de Kyndryl y aceleren futuros compromisos con clientes.