Senior Machine Learning Engineer

Sobre Creai

En Creai, nos especializamos en aprovechar el poder de la inteligencia artificial y el aprendizaje automático para transformar negocios. Nuestra misión es ayudar a los clientes a reducir costos, aumentar la eficiencia y desbloquear nuevas oportunidades mediante soluciones de IA de vanguardia.

Descripción del Puesto

Como Senior Machine Learning Engineer, tu trabajo ya no es supervisar modelos uno por uno, sino diseñar, escalar y gobernar la práctica completa con la que el equipo dirige, valida y responde por los sistemas de IA que construye. Usarás tu juicio estratégico y tu dominio del negocio para decidir qué problemas ameritan una solución de ML, cuánto cuesta equivocarse en cada caso, y qué evidencia es suficiente antes de delegar un experimento completo a un agente o de exponer un modelo a un cliente.

Serás responsable de que delegar sea seguro a escala, no solo en tus propios proyectos: diseñarás las plataformas, los contratos entre etapas y los límites explícitos de lo que un agente puede generar sin verificación humana, porque cuando experimentar cuesta minutos, el cuello de botella deja de ser la capacidad de construir y pasa a ser la capacidad de decidir qué construir y en qué confiar. Colaborarás con líderes de producto, data scientists y equipos de ingeniería para alinear estas decisiones con los objetivos estratégicos de Creai, definiendo los estándares técnicos y las prácticas de supervisión de IA que el resto del equipo sigue.

Este Puesto Exige

Desarrollo de Soluciones Avanzadas: Diseñar, desarrollar e implementar soluciones avanzadas de ML en ambientes productivos de alta disponibilidad y baja latencia. Esto incluye la selección de algoritmos apropiados, optimización de modelos y aseguramiento de la calidad del código.

Diseñar plataformas de ML legibles para humanos y para agentes: pipelines modulares, contratos explícitos entre etapas, semántica documentada de forma ejecutable, entornos reproducibles. Una plataforma bien delimitada permite delegar experimentos completos; una improvisada obliga a que cada corrida pase por quien la construyó.

Definir la línea entre lo que se delega y lo que no para su ámbito técnico, y hacerla explícita: qué experimentos pueden generarse y validarse automáticamente, qué decisiones de modelado exigen diseño humano previo, y qué casos de uso — de alto impacto, regulados o irreversibles — no admiten generación sin verificación formal.

Liderazgo Técnico: Liderar iniciativas técnicas y proyectos de alto impacto que involucren múltiples equipos y dominios. Serás un referente técnico, proporcionando guía y dirección en la toma de decisiones clave.

Arquitectura y Estrategia: Participar activamente en la definición de estrategias de datos, incluyendo la identificación y selección de features relevantes, preprocesamiento de datos y diseño de arquitecturas de modelos eficientes y escalables.

Colaboración Estratégica: Trabajar en conjunto con líderes de producto para entender las necesidades del negocio, con data scientists para la experimentación y validación de modelos, y con equipos de ingeniería para asegurar la integración y el despliegue exitoso, alineando siempre los desarrollos con objetivos estratégicos de la empresa.

Mejora Continua: Evaluar y mejorar continuamente el stack de ML, las herramientas, los procesos y las prácticas de MLOps para optimizar la eficiencia y la fiabilidad de las soluciones.

Mentoría: Mentorizar activamente a ingenieros junior y mid-level, compartiendo conocimiento profundo en ML y MLOps, y fomentando las buenas prácticas de desarrollo y despliegue.

Cultura de Excelencia: Promover una cultura de excelencia técnica, innovación y mejora continua dentro del equipo y en la organización.

Liderazgo y Mentoría: Habilidades sólidas de liderazgo técnico, influencia y mentoría, capaces de inspirar y guiar a otros ingenieros.

Comunicación Estratégica: Capacidad de comunicación efectiva y persuas