Será responsable de definir y liderar la estrategia de producto para plataformas de inteligencia artificial, infraestructura de datos e iniciativas de migración de datos a escala empresarial. El puesto combina una orientación técnica con visión de producto, colaborando con equipos de ingeniería y con las partes interesadas para impulsar soluciones innovadoras, escalables y alineadas con los objetivos del negocio.

Responsabilidades:

• Definir la estrategia de producto para plataformas de inteligencia artificial, infraestructura de datos e iniciativas de migración de datos a escala empresarial.
  
• Liderar el descubrimiento técnico de productos mediante la evaluación de tecnologías emergentes como GenAI, Agentic AI, bases de datos vectoriales y arquitecturas de streaming, valorando su idoneidad para los casos de uso del cliente.
  
• Diseñar arquitecturas de soluciones en colaboración con arquitectos e ingenieros de datos, tomando decisiones entre construcción o compra y seleccionando pilas tecnológicas adecuadas.
  
• Desarrollar hojas de ruta técnicas que equilibren innovación, escalabilidad, seguridad y tiempo para obtener valor.
  
• Ser responsable del producto para aplicaciones GenAI que utilicen modelos de lenguaje, arquitecturas RAG, marcos Agentic y sistemas de inteligencia artificial multimodales.
  
• Traducir los requisitos del negocio en especificaciones técnicas, contratos de API, esquemas de datos y patrones de integración de sistemas.
  
• Guiar la selección de modelos, criterios de evaluación y estrategias de implementación de modelos de machine learning en entornos de producción.
  
• Impulsar prácticas de MLOps, incluyendo versión de modelos, monitorización, seguimiento del rendimiento y mejora.
  
• Liderar la planificación de productos para implementaciones de data lake y lakehouse, modernización de almacenes de datos y migraciones a plataformas en la nube.
  
• Definir los requisitos del producto de datos, incluyendo pipelines de ingesta, lógica de transformación, reglas de calidad, políticas de gobernanza y patrones de acceso.
  
• Supervisar la integración de múltiples dominios de datos, garantizando interoperabilidad, linaje de datos y gestión de metadatos.
  
• Colaborar con equipos de ingeniería de datos en la optimización del rendimiento, la gestión de costes y la planificación de la escalabilidad.
  
• Mantener backlogs bien organizados con funcionalidades correctamente dimensionadas y detalladas técnicamente.
  
• Trabajar de forma conjunta con los equipos de ingeniería para descomponer funcionalidades complejas en entregas incrementales con dependencias técnicas claras.
  
• Definir objetivos de sprint alineados con los objetivos trimestrales y la visión de producto a largo plazo.
• Realizar análisis de viabilidad técnica, pruebas de concepto y soluciones experimentales para validar enfoques antes de realizar inversiones completas.
  
• Analizar compensaciones entre soluciones técnicas alternativas considerando rendimiento, coste, mantenibilidad y experiencia del desarrollador.
  
• Documentar decisiones técnicas, registros de decisiones arquitectónicas y patrones de diseño para facilitar la transferencia de conocimiento.
  
• Comunicar estrategias técnicas y recomendaciones a las partes interesadas ejecutivas de forma clara y convincente.
  

Requisitos:

• Licenciatura en tecnología o en un campo relacionado con el negocio, se valora positivamente una maestría.
  
• Entre cinco y siete o más años de experiencia en gestión técnica de producto, arquitectura de soluciones o ingeniería de software.
  
• Más de cinco años de experiencia en puestos de gestión de producto.
  
• Entre tres y cinco o más años de experiencia en productos de inteligencia artificial, machine learning, inteligencia artificial generativa o plataformas de datos.
  
• Entre tres y cinco o más años de experiencia trabajando en entornos Agile o Scrum, con dominio de metodologías y ceremonias Agile.
  
• Conocimiento de arquitecturas en la nube como AWS, Azure y GCP, así como de tecnologías modernas de plataformas de datos.
  
• Experiencia en inteligencia artificial y GenAI, incluyendo integración de modelos de lenguaje, ingeniería de prompts, arquitecturas RAG, ajuste fino y marcos de inteligencia artificial Agentic como LangChain, LlamaIndex o AutoGen.
  
• Experiencia en ingeniería de datos, incluyendo patrones ETL y ELT, modelado de datos, Snowflake, Databricks, dbt, Airflow y arquitecturas de streaming con Kafka.
  
• Experiencia con plataformas en la nube como AWS, incluyendo SageMaker, Bedrock y Glue; Azure, incluyendo OpenAI Service y Synapse; y GCP, incluyendo Vertex AI y BigQuery.
  
• Conocimientos en MLOps, incluyendo despliegue de modelos, monitorización, control de versiones, integración y entrega para machine learning, almacenes de características y seguimiento de experimentos.
  
• Experiencia en migración de datos, incluyendo metodologías de evaluación, patrones de migración, validación de datos y estrategias de transición.
  
• Conocimiento de buenas prácticas de desarrollo como diseño de API, microservicios, contenedorización con Docker y Kubernetes, y pipelines de integración y entrega continua.
  
• Capacidad demostrada para el diseño de soluciones y arquitectura técnica.
  
• Habilidad para traducir necesidades del negocio en especificaciones técnicas claras.
  
• Capacidad analítica y de resolución de problemas en entornos técnicos complejos.
  
• Experiencia en la gestión de partes interesadas tanto técnicas como no técnicas.
  
• Capacidad de comunicación técnica clara, incluyendo la documentación de sistemas complejos y la presentación de decisiones arquitectónicas.
  
• Habilidad para identificar riesgos, mapear dependencias y planificar estrategias de mitigación.
  
• Experiencia en desarrollo de software o ingeniería de datos superior a tres años.
  
• Experiencia en consultoría o servicios profesionales, entregando soluciones a clientes.
  
• Se valoran certificaciones como Arquitecto de Soluciones de AWS, Ingeniero de Datos de Azure, Ingeniero de Datos Profesional de GCP o Product Owner certificado en Scrum.
  
• Curiosidad constante por las tecnologías emergentes y mentalidad de experimentación.
  
• Capacidad de colaboración en equipo y desenvolvimiento en entornos multifuncionales.