Arquitecto IA (Hands-on)

Buscamos un/a Arquitecto/a de IA para incorporarse a la comunidad de IA de Sngular y participar en proyectos estratégicos centrados en el diseño, desarrollo y escalado de soluciones de Inteligencia Artificial en distintos sectores.

Tendrás un rol clave definiendo arquitecturas de IA que permitan a las organizaciones aprovechar el potencial de la IA Generativa, el Machine Learning y la automatización inteligente, asegurando soluciones escalables, seguras y alineadas con los objetivos de negocio.

*? Nuestro compromiso Sngular: Como equipo comprometido con la equidad de nuestro Plan de Igualdad, en SNGULAR impulsamos una cultura plural donde el talento no tiene etiquetas y cada persona cuenta con las mismas oportunidades. Trabajamos desde el respeto, la humildad y el compañerismo, convencidos/as de que la diversidad nos fortalece.*

¿Qué harás?

Como Experto o Arquitecto de IA, serás responsable, junto con el equipo, del diseño de soluciones basadas en IA Generativa, por lo que será necesario un sólido background técnico y que sigas hands-on, con recorrido en la implementación de modelos de lenguaje y agentes de IA en distintos proyectos y experiencia en llevar modelos reales, y de cierta complejidad, a producción.

Responsabilidades

• Diseñar arquitecturas de IA escalables en entornos productivos, incluyendo soluciones de Machine Learning e IA Generativa.

• Definir patrones de solución de IA end-to-end, desde la ingesta de datos hasta el despliegue y monitorización de modelos.

• Diseñar e implementar arquitecturas basadas en LLMs, incluyendo sistemas RAG, agentes y frameworks de orquestación.

• Definir estrategias de ciclo de vida de modelos: entrenamiento, despliegue, monitorización y reentrenamiento.

• Diseñar pipelines de datos y features para sistemas de IA/ML en entornos cloud.

• Garantizar que las soluciones de IA sean seguras, escalables, observables y eficientes en costes.

• Colaborar con equipos de Data, Software y Cloud para integrar capacidades de IA en plataformas existentes.

• Definir estándares y buenas prácticas de gobierno de IA, evaluación y uso responsable.

• Evaluar nuevas tecnologías de IA y su aplicabilidad en casos de uso reales de negocio.

• Apoyar a los equipos en el diseño de estrategias de prompt engineering, evaluación y experimentación de IA.

• Actuar como referente técnico en decisiones de arquitectura de IA en los proyectos.

¿Cómo lo harás?

Modelos de Aprendizaje Automático y Profundo – Experiencia en el uso e integración de modelos de generación como GPT, Claude, Mistral o LLaMA. Conocimientos en arquitecturas avanzadas como Transformers, CNNs, GANs.

• Técnicas avanzadas de Prompting – Conocimientos en ingeniería de prompting (Chain-of-Thought, ReAct, Tree-of-Thought, etc.).

• Frameworks de IA – Dominio de TensorFlow, PyTorch o similares.

• Procesamiento de Lenguaje Natural (NLP) – Experiencia en embeddings (Word2Vec, FastText, BERT), búsqueda vectorial y técnicas de fine-tuning de modelos preentrenados.

• Desarrollo con IA Generativa – Experiencia en la orquestación de LLMs y agentes conversacionales complejos mediante herramientas como LangChain, LangGraph, DSPy, CrewAI o Google ADK. Conocimiento en diseño de flujos conversacionales, generación de contenido estructurado y sistemas de razonamiento basados en agentes.

• Monitoreo y Evaluación de LLMs – Conocimiento en herramientas de observabilidad, análisis y mejora continua de modelos generativos en producción, como LangSmith, LangFuse u otras soluciones similares para tracking de prompts, debugging y evaluación de rendimiento de LLMs.

• Manejo de Datos a Gran Escala – Experiencia con bases de datos estructuradas y no estructuradas, Data Lakes y bases vectoriales como FAISS, Pinecone, Weaviate, ChromaDB.

• Optimización y Despliegue de Modelos – Conocimiento en técnicas como quantization, distillation y frameworks de inferencia eficientes como vLLM, Triton u ONNX Runtime.

• Cloud & DevOps para IA – Experiencia en Azure, AWS o GCP, con herramientas como SageMaker, Vertex AI, Azure AI Foundry, y frameworks de MLOps (Kubeflow, MLflow, Metaflow, BentoML).

• Integración y APIs – Desarrollo de APIs para LLMs, conexión con herramientas de terceros, e implementación de pipelines con FastAPI, Flask o gRPC.

• Programación avanzada – Nivel experto en Python, con experiencia en desarrollo de sistemas escalables y robustos.