Categorías
···
Entrar / Registro
Resumen: Este puesto está dirigido a un profesional senior en MLOps y Referente Técnico para construir, operar y evolucionar la infraestructura de ML/IA, permitiendo que los equipos de Ciencia de Datos lleven los modelos desde la idea hasta la producción. Aspectos destacados: 1. Dirigir técnicamente la pila de MLOps e integrar la IA de forma segura en los flujos de trabajo. 2. Arquitectura práctica y liderazgo en la implementación y supervisión de modelos de ML/IA. 3. Automatizar los procesos de MLOps mediante servicios de IA y agentes. ¿Por qué unirte a dLocal? dLocal permite a las empresas más importantes del mundo cobrar pagos en 40 países de mercados emergentes. Las marcas globales confían en nosotros para aumentar las tasas de conversión y simplificar sin esfuerzo la expansión de pagos. Como procesador de pagos y como comerciante registrado donde operamos, hacemos posible que nuestros comerciantes ingresen en los mercados emergentes de más rápido\-crecimiento del mundo. Al unirte a nosotros formarás parte de un increíble equipo global que lo hace todo posible. Ser parte de dLocal significa trabajar con más de 1000 compañeros de más de 30 nacionalidades distintas y desarrollar una carrera internacional que impacta diariamente en la vida de millones de personas. Somos constructores, nunca huimos de un desafío, somos centrados en el cliente y, si esto suena como tú, sabemos que prosperarás en nuestro equipo. **¿Cuál es la oportunidad?** Como **Referente Técnico en MLOps en dLocal**, serás el referente técnico senior sobre cómo **construimos, operamos y evolucionamos** nuestra infraestructura de ML e IA. Tu misión será **habilitar a los equipos de Ciencia de Datos e IA** para llevar modelos y servicios impulsados por IA desde la idea hasta la producción de forma fiable, observable y conforme a la normativa. Tendrás la responsabilidad de la dirección técnica de nuestra pila de MLOps, introducirás la IA de forma segura en nuestros flujos de trabajo de ingeniería y ayudarás al equipo a escalar su impacto a medida que aumente el uso y la complejidad. Una parte fundamental de este rol consiste en **utilizar agentes y servicios de IA para automatizar lo máximo posible de lo que hacemos en MLOps**, desde operaciones de almacén de características y de la plataforma hasta flujos de fraude/anomalías y optimización de costos de ML, trabajando codo con codo con el equipo de IA. Este es un **rol práctico de arquitectura y liderazgo**: no serás responsable directo de los modelos de producto, pero influirás profundamente en **cómo se entrena, implementa, supervisa y ejecuta cada modelo y componente de IA en producción**. ### **¿Qué haré?** ### **1\. Estrategia técnica y arquitectura (MLOps)** * Definir y evolucionar la **arquitectura integral de la plataforma de ML** (datos, entrenamiento, registro, servicio, supervisión, gobernanza) utilizada por múltiples equipos. * Diseñar **patrones estandarizados** para: + Pipelines de entrenamiento reproducibles y seguimiento de experimentos. + Empaque, versionado y flujos de promoción de modelos (desarrollo, preproducción, producción). + Inferencia en línea y por lotes, con estrategias seguras de lanzamiento (canary, shadow, reversión). * Equilibrar **fiabilidad, rendimiento y costo** para cargas de trabajo de ML, colaborando estrechamente con SRE/Infra y Finanzas/FinOps. ### **2\. Habilitación y operaciones diarias de MLOps** * Actuar como la **persona de referencia** para preguntas complejas de MLOps: cómo estructurar pipelines, elegir patrones de servicio o diseñar supervisión y reversión. * Revisar y cuestionar **diseños e implementaciones** de nuevos modelos y pipelines de datos, asegurando que cumplan con los estándares de la plataforma y los requisitos no funcionales. * Colaborar con los equipos de Fraude, Anomalías y otros equipos de producto para garantizar: + SLA/SLO claros para componentes de ML. + Registro adecuado, métricas y alertas para incidentes y regresiones. * Contribuir a la **preparación para turnos de guardia**: manuales de procedimiento, paneles de control, revisiones de incidentes y mejora continua de nuestra postura operacional. ### **3\. Infraestructura de IA y operaciones asistidas por IA** Sin solaparse con la propiedad de productos de IA, realizarás lo siguiente: * Definir **infraestructura, contratos y salvaguardias** para consumir de forma segura agentes y servicios de IA desarrollados por el equipo de IA, y extenderlos según sea necesario desde MLOps. * Diseñar patrones y herramientas para que **la IA y los agentes automatizen lo máximo posible lo que hacemos en MLOps**, por ejemplo: + Operaciones de la plataforma de características (pipelines del almacén de características, rellenados posteriores, comprobaciones de paridad, supervisión de calidad/desviación de datos). + Flujos de trabajo de la plataforma de MLOps (pipelines de entrenamiento/evaluación, puertas de promoción, reversión, generación de documentación y manuales de procedimiento). + Flujos operativos en Fraude / Anomalías (clasificación de alertas, análisis de registros/métricas, enriquecimiento del contexto del incidente). + **FinOps y optimización de costos** de la plataforma (sugerencias sobre redimensionamiento adecuado, cambios de programación, oportunidades de desactivación). * Contribuir a la **evaluación, observabilidad y seguridad** de estas automatizaciones impulsadas por IA (p. ej., indicaciones, políticas, redacción, auditabilidad), en estrecha colaboración con los equipos especializados de IA. ### **4\. Gobernanza, seguridad y cumplimiento** * Establecer y mantener **estándares técnicos** para: + Control de acceso a modelos y datos, manejo y redacción de información personal identificable (PII). + Auditabilidad de cambios en modelos, implementaciones y comportamiento en tiempo de ejecución. + Separación de entornos y gestión de cambios para cargas de trabajo de ML/IA. * Colaborar con InfoSec y Arquitectura para garantizar que la plataforma cumpla con los **requisitos regulatorios y internos**, manteniendo al mismo tiempo su practicidad para ingenieros y científicos de datos. ### **5\. Liderazgo, mentoría y colaboración** * Mentorizar a ingenieros de MLOps y de Datos/ML en: + Diseño de sistemas, fiabilidad y observabilidad. + Buenas prácticas para CI/CD, pruebas y reversión en sistemas de ML. * Liderar **revisiones de diseño y arquitectura**, ayudando a los equipos a reducir riesgos y converger en soluciones simples y robustas. * Colaborar estrechamente con: + Equipos de **Ciencia de Datos** y el **Equipo de IA** (para comprender necesidades y moldear la plataforma). + **SRE/Infra** (para capacidad, fiabilidad, redes y seguridad). + Líderes de **Producto/Ingeniería** (para alinear hoja de ruta, compensaciones y prioridades). ### **¿Qué habilidades necesito?** ### **Imprescindibles** * Experiencia sólida gestionando o diseñando **plataformas de MLOps** o infraestructura de ML utilizadas por múltiples equipos. * Amplia experiencia en **sistemas distribuidos** y **procesamiento de datos/transmisiones** (p. ej., Spark, Flink o tecnologías similares). * Experiencia construyendo **pipelines de ML de producción**: + Seguimiento de experimentos, entrenamiento reproducible y registro de modelos. + CI/CD para modelos y pipelines de datos. + Inferencia en línea y por lotes a gran escala. * Conocimiento de **plataformas de ML basadas en la nube** (p. ej., Databricks, SageMaker, Vertex AI o equivalentes) e implementaciones basadas en contenedores. * Profundo conocimiento de la **observabilidad** para sistemas de ML: + Métricas, registros y trazas. + Desviación de datos y modelos, comprobaciones de actualidad y calidad. * Capacidad para comunicarse claramente tanto con **partes interesadas técnicas como no técnicas**, traduciendo compensaciones de infraestructura e IA/ML al lenguaje empresarial. ### **Deseables** * Experiencia implantando **asistentes de IA** (copilotos de código o infraestructura, análisis de registros con IA, etc.) dentro de organizaciones de ingeniería, incluyendo políticas y buenas prácticas. * Conocimiento de **infraestructura de modelos de lenguaje grande (LLM) y de IA** (puertas de enlace, almacenes vectoriales, entornos de evaluación), incluso si no es el enfoque principal. * Responsabilidades previas como **Referente Técnico / Líder Técnico / Arquitecto** para plataformas o servicios compartidos. * Contribuciones a **estándares internos, RFC, gremios o comunidades técnicas**. ¿Qué ofrecemos? Además de los beneficios adaptados a cada país, dLocal te ayudará a prosperar y dar ese paso extra ofreciéndote:* Flexibilidad: contamos con horarios flexibles y nos guiamos por el rendimiento. * Industria fintech: trabaja en un entorno dinámico y en constante evolución, con mucho por construir y potenciar tu creatividad. \- Programa de bonos por referencias: nuestros talentos internos son los mejores reclutadores \- refiere a alguien ideal para un puesto y recibe una recompensa.* Aprendizaje y desarrollo: tendrás acceso a una suscripción Premium a Coursera. * Clases de idiomas: ofrecemos clases gratuitas de inglés, español o portugués. * Presupuesto social: recibirás un presupuesto mensual para relajarte con tu equipo (presencial o remotamente) y fortalecer vuestros vínculos. * Casas dLocal: ¿quieres alquilar una casa para pasar una semana en cualquier lugar del mundo trabajando junto a tu equipo? ¡Te apoyamos! **Flexibilidad en cómo trabajas:** Nos enfocamos en el impacto y la productividad más que en horarios fijos. Esto significa que nuestros equipos tienen horarios flexibles y, según tu puesto y ubicación, combinarás tiempo de enfoque autogestionado con momentos de conexión presencial en nuestros centros de colaboración. ¿Qué ocurre tras tu solicitud? Nuestro equipo de Adquisición de Talento está comprometido con brindar la mejor experiencia posible a los candidatos, así que no te preocupes: definitivamente recibirás noticias nuestras. Revisaremos tu currículum y te mantendremos informado por correo electrónico en cada etapa del proceso. También puedes visitar nuestra página web, LinkedIn y YouTube para conocer más sobre dLocal. Podemos utilizar herramientas de inteligencia artificial (IA) para apoyar partes del proceso de contratación, como la revisión de solicitudes, el análisis de currículums o la evaluación de respuestas. Estas herramientas asisten a nuestro equipo de reclutamiento, pero no sustituyen el juicio humano. Las decisiones finales de contratación siempre las toman personas. Si deseas más información sobre cómo se procesan tus datos, contáctanos.
