Excited to grow your career?

BBVA is a global company with more than 160 years of history that operates in more than 25 countries where we serve more than 80 million customers. We are more than 121,000 professionals working in multidisciplinary teams with profiles as diverse as financiers, legal experts, data scientists, developers, engineers and designers.

Learn more about the area:

El AI Lab dentro de AI Factory (Data) es el equipo responsable de explorar, evaluar y desarrollar soluciones avanzadas basadas en modelos fundacionales, Large Language Models (LLMs) y sistemas agénticos para casos de uso estratégicos del banco.

El equipo trabaja en todo el ciclo de vida de soluciones de IA avanzada: desde la evaluación experimental de modelos hasta la construcción de prototipos y su integración en entornos productivos dentro de las operativas del banco.

Buscamos un Sr Data Scientist / Gen AI Engineer con perfil híbrido de Machine Learning Engineering (MLE) y experiencia sólida en Machine Learning / NLP, capaz de combinar experimentación analítica avanzada con desarrollo de soluciones basadas en LLMs y arquitecturas agénticas.

About the job:

Responsabilidades principales

Evaluación y experimentación con GenAI

• Selección y evaluación comparativa de modelos fundacionales para distintos casos de uso de negocio incluyendo aplicaciones de lenguaje, voz y multimodales.

• Diseño y ejecución de planes de evaluación de modelos, incluyendo definición de métricas técnicas y de negocio y comparación de modelos en distintos escenarios.

• Construcción iterativa de datasets de entrenamiento, validación y evaluación.

• Adaptación de modelos generativos y discriminativos mediante fine-tuning u otras técnicas equivalentes.

• Definición de metodologías de experimentación controlada (A/B testing).

• Definición y validación de KPIs analíticos asociados a soluciones basadas en LLM.

Desarrollo de soluciones basadas en LLMs y sistemas agénticos

• Diseño y desarrollo de soluciones analíticas basadas en LLMs, incluyendo arquitecturas que combinen múltiples modelos.

• Diseño y desarrollo de sistemas agénticos basados en LLMs, incluyendo arquitecturas donde los modelos interactúan con herramientas, APIs y fuentes de conocimiento externas y modelos de ML.

• Desarrollo de flujos de razonamiento y orquestación de modelos, incluyendo planificación de tareas, uso de herramientas y composición de múltiples pasos de inferencia.

• Construcción de bases de conocimiento y datasets de dominio para alimentar modelos generativos.

• Construcción de sistemas donde los LLMs actúan como interfaces inteligentes para interactuar con sistemas y datos corporativos.

• Desarrollo de pipelines de inferencia y servicios backend para soluciones basadas en LLM.

• Integración de modelos con sistemas y operativas del banco, incluyendo diseño de APIs e integración con sistemas corporativos.

• Participación en ciclos de experimentación iterativa sprint a sprint, desde prototipo hasta solución productiva.

Investigación aplicada y transferencia de conocimiento

• Prospección tecnológica continua sobre avances en LLMs, modelos fundacionales, técnicas avanzadas de NLP y arquitecturas agénticas.

• Evaluación de nuevas tecnologías y frameworks relevantes para soluciones de IA generativa.

• Divulgación y comunicación de conceptos técnicos a audiencias con distintos niveles de especialización dentro de la organización.

Habilidades técnicas

Machine Learning Engineering

• Experiencia en el ciclo de vida completo de proyectos de ML y NLP incluyendo exploración de datos (EDA), construcción de dataset, selección de modelos, entrenamiento, evaluación y monitorización.

• Experiencia en desarrollo de soluciones analíticas productivas.

• Construcción de pipelines de ML y servicios de inferencia.

• Experiencia en MLOps: automatización de pipelines, integración y despliegue continuo, observabilidad y monitorización de modelos.

Infraestructura y cloud

• Experiencia trabajando en entornos cloud, especialmente AWS.

• Despliegue e integración de soluciones de ML en entornos cloud.

• Conocimiento de infraestructura como código (IaC), por ejemplo CloudFormation.

• Experiencia usando Git y CI/CD para integración y despliegue de software.

Lenguajes y herramientas

• Programación enPython.

• Deseable experiencia en Typescript / NodeJS.

• Experiencia con frameworks de orquestación de LLMs y agentes (por ejemplo LangGraph, Agents SDK, AWS Strands u otros).

• Experiencia en el uso de agentes de códigoGithub Copilot, Claude Code, Cursor o similar.

Riesgos en modelos generativos

• Comprensión de los riesgos asociados amodelos generativos: alucinación de hechos, sesgos, impredecibilidad del modelo y omisiones en generación.

Experiencia adicional valorable

• Experiencia con otros entornos cloud (Azure, GCP / Vertex AI).

• Experiencia en entornos on-premise.

• Experiencia en aplicaciones financieras y de medios de pago.

Soft skills

• Espíritu de equipoy capacidad de trabajo colaborativo.

• Capacidad para explicar conceptos técnicos a perfiles no técnicos.

• Mentalidad analíticay orientación a la experimentación.

• Flexibilidad y adaptacióna entornos tecnológicos en evolución.

Skills:

Customer Targeting, Empathy, Ethics, Innovation, Proactive Thinking