Ingeniero de Habilitación de Datos de IA

El departamento de Digital Finance IT de nuestro cliente está construyendo una capa de habilitación de IA sobre su plataforma de datos empresarial para permitir que los usuarios de negocio de toda el área de Finanzas interactúen con datos gobernados mediante lenguaje natural. Estamos contratando a un Data Enablement Engineer para diseñar, construir y operar los conjuntos de datos de confianza, los modelos semánticos y las experiencias de IA integradas que hacen esto posible. Este es un rol de ingeniería de plataformas de datos, no un rol de ciencia de datos o de construcción de modelos. Dedicarás tu tiempo a la ingeniería de la base de datos que hace que la IA sea fiable (capas semánticas, productos de datos gobernados y analítica integrada en lenguaje natural), no a entrenar modelos.

Lo que harás

• Diseñar y construir productos de datos preparados para la IA en Databricks: conjuntos de datos de confianza con semántica de negocio, KPIs, jerarquías y alineación con el glosario de negocio bien definidos
• Implementar capas semánticas y conjuntos de datos gobernados que admitan tanto el consumo de BI tradicional como la consulta mediante lenguaje natural por parte de los usuarios de negocio
• Desplegar y operar espacios de Databricks Genie con Unity Catalog, ajustándolos para garantizar la precisión, la adopción y la relevancia para el negocio
• Construir pipelines de RAG y aplicaciones de analítica conversacional basados en datos empresariales gobernados, incluyendo Streamlit o Databricks Apps que permitan a los usuarios de negocio consultar datos sin escribir SQL
• Diseñar pipelines ETL/ELT robustos (dbt, Airflow, PySpark) que produzcan y mantengan los datos de confianza de los que dependen estas experiencias de IA
• Implementar la gobernanza de datos (RBAC, seguridad a nivel de fila/columna, enmascaramiento, linaje, auditabilidad, gestión de catálogos y metadatos) en un entorno farmacéutico regulado
• Optimizar el coste y el rendimiento tanto en la parte de la plataforma de datos (dimensionamiento del almacén, ajuste de clústeres, optimización de consultas) como en la parte de la IA (uso de tokens, caché, enrutamiento de modelos)
• Colaborar con los stakeholders de negocio de Finanzas para traducir los requisitos del dominio en modelos semánticos y productos de datos gobernados en los que puedan confiar

• Data Scientists: este puesto no consiste en entrenamiento de modelos, fine-tuning, LoRA/RLHF o investigación de ML
• Ingenieros de datos puros que mencionen Cortex o Genie como una habilidad pero no los hayan implementado en producción
• Ingenieros de IA/GenAI cuyo centro de gravedad sean los agentes de LangChain o RAG sobre documentos, sin una base sólida en plataformas de datos gobernadas
• Especialistas en visión artificial, constructores de modelos NLP o especialistas en orquestación multi-agente: no encajan en el perfil de este puesto