Ford Motor Company es un fabricante de automóviles con sede en Estados Unidos y una historia que se remonta a 1903. Además de desarrollar y producir vehículos, la empresa está ampliando su enfoque hacia los servicios de movilidad, las experiencias digitales y el software. El trabajo de Ford también incluye iniciativas de sostenibilidad y objetivos medioambientales, como reflejo de un enfoque que conecta el transporte, la innovación, el impacto en la comunidad y las prácticas empresariales responsables.
Arquitecto/a de IA y aprendizaje automático en Ford Motor Company (híbrido, India)
Desarrolla agentes autónomos, sistemas multiagente y flujos RAG para uso empresarial. Implementa IA generativa en Google Cloud con MLOps, contenedores y bases de datos vectoriales.
Descripción
- Desarrollar e implementar agentes de IA autónomos y semiautónomos para procesos empresariales.
- Diseñar arquitecturas multiagente con orquestación, división de tareas, ciclos de planificación y comunicación entre agentes.
- Conectar agentes con plataformas empresariales, API REST y GraphQL, bases de datos y servicios de Google Cloud.
- Crear capacidades de memoria a corto y largo plazo, episódica y semántica.
- Crear, probar, perfeccionar y mantener plantillas de prompts y bibliotecas reutilizables de prompts.
- Evaluar, seleccionar y ajustar modelos fundacionales, incluido Gemini mediante Vertex AI Model Garden.
- Crear y optimizar flujos RAG de alto rendimiento y baja latencia, incluida la ingesta de documentos, su fragmentación y la generación de embeddings.
- Integrar y operar bases de datos vectoriales escalables.
- Limpiar y preparar datos estructurados y no estructurados para su uso.
- Aprovisionar entornos seguros de Google Cloud mediante Terraform como infraestructura como código.
- Crear y mantener canalizaciones CI/CD para pruebas automatizadas, compilaciones de contenedores e implementaciones en distintos entornos.
- Empaquetar aplicaciones y agentes con Docker y desplegarlos en GKE o Cloud Run.
- Configurar la orquestación de flujos de trabajo con herramientas como Vertex AI Pipelines o Cloud Composer/Airflow.
- Definir métricas y canalizaciones de pruebas para evaluar la calidad de los agentes, la latencia, el uso de tokens y las tasas de alucinación.
- Añadir filtrado de contenido, moderación, comprobaciones de fundamentación, defensas contra la inyección de prompts, controles de privacidad y etapas de revisión humana.
- Configurar la monitorización de producción, los registros, el seguimiento distribuido y las alertas en tiempo real.
- Mejorar los flujos de trabajo de los agentes, la configuración de los modelos, el almacenamiento en caché y la infraestructura para optimizar costes y rendimiento.
- Gestionar ramas de Git, solicitudes de incorporación de cambios y revisiones de código.
- Colaborar con especialistas en ciencia de datos, ingeniería de software y equipos de negocio para ofrecer soluciones de IA listas para producción.
- Documentar la arquitectura del sistema, los flujos de los agentes, las herramientas, los prompts, los contenedores y los procedimientos operativos.
Requisitos
- Al menos tres años de experiencia profesional en aprendizaje automático o ingeniería de IA, con una base sólida en MLOps.
- De uno a dos años de experiencia práctica en el diseño e implementación de sistemas de producción con LLM, IA generativa o agentes.
- Dominio experto de Python.
- Experiencia con PyTorch, TensorFlow o Scikit-learn.
- Sólidos conocimientos teóricos y prácticos de aprendizaje profundo, procesamiento del lenguaje natural y arquitecturas Transformer.
- Experiencia práctica con LangChain, LangGraph, LlamaIndex, CrewAI o Vertex AI Agent Builder.
- Experiencia demostrada con Google Cloud Platform, Docker, Kubernetes/GKE, Cloud Run y Cloud Functions.
- Experiencia demostrada en indexación vectorial, búsqueda semántica, Vertex AI Vector Search, AlloyDB o herramientas comparables.
- Conocimientos de bases de datos SQL y NoSQL, API REST y API GraphQL.
- Experiencia con Terraform, Git y herramientas CI/CD como Cloud Build, GitLab CI o Jenkins.
- Experiencia con Prometheus, Cloud Logging o LangSmith, y en la evaluación de la calidad y seguridad de los resultados de LLM.
- Se valorará especialmente la certificación Google Cloud Professional Machine Learning Engineer o Professional Cloud Architect.
- Grado universitario o formación equivalente.