Arquitecto De Plataforma

Buscamos 3 AI Platform Architects para diseñar y construir la plataforma de IA corporativa de una entidad financiera de referencia.
Arquitectura sobre ecosistema híbrido: multicloud, on-prem y Mainframe.El retoEl objetivo es que puedan construir, desplegar y operar capacidades de IA y sistemas agénticos de forma autónoma, segura y trazable.
Diseñar sobre tecnología inmadura en un sector donde cada decisión tiene que ser auditable.3 posiciones abiertasDiseñar y construir la capa de acceso y mediación a modelos (AI gateway): credenciales, enrutado, cuotas y control de costeDefinir la arquitectura de los sistemas agénticos: orquestación, gestión de contexto, integración de herramientas (MCP, function calling) y patrones RAGHarness engineering: diseñar el entorno de ejecución de los agentes (contexto, herramientas, aislamiento, permisos y verificación) para que el resultado sea repetible y revisableMontar el gobierno de modelos: ciclo de vida de los modelos aprobados, criterios de selección, evaluación de calidad y trazabilidad de usoIntegrar la IA en el SSDLC: pipelines CI/CD, IaC y ejecución de agentes en KubernetesDiseñar los controles de seguridad específicos de IA (prompt injection, fuga de datos, aislamiento de ejecución) y la observabilidad del costeBajar al barro: tomar decisiones técnicas en contexto real y responder de que lo construido sea coherente con el diseño+5 años de experiencia consolidada en arquitectura técnica en tu dominio de especializaciónExperiencia profunda y demostrable en al menos uno de estos entornos, entendiendo bien el modelo híbrido: on-prem (Kubernetes on-prem, VMware) o cloud (Azure, AWS, GCP)Diseño e implantación de plataformas de IA de autoservicio: AI gateway, credenciales, enrutado, cuotas, control de costeArquitectura de sistemas agénticos: orquestación, gestión de contexto, MCP, function calling, RAGHarness engineering y gobierno de modelosSeguridad específica de IA y observabilidad del uso de modelosIntegración de IA en el SSDLC: CI/CD, IaC, agentes en KubernetesComunicación técnica clara con equipos de tecnología y criterio sobre qué se automatiza y qué necesita control humanoMarco regulatorio de IA en sector financiero: EU AI Act, DORA, riesgo de terceros y de proveedores de modelosMLOps o LLMOps: modelos propios o autoalojados, fine-tuning, gestión de artefactosEntornos Mainframe y su integración con la plataformaAdopción de herramientas de asistencia al desarrollo con IA a escala de organizaciónExperiencia en banca o sectores regulados
#J-*****-Ljbffr