Ingeniero de IA generativa, especialista en Prompts (Prompt Engineer).

Descripción general del puesto

Su función principal es diseñar, probar y optimizar las instrucciones (prompts) para modelos de Inteligencia Artificial generativa, de modo que la empresa desarrolle productos automatizados innovadores.

Se encargará de diseñar e implementar pipelines de Generación Aumentada por Recuperación (RAG), integrando fuentes de datos externas o bases de conocimiento internas para aportar contexto actualizado a los modelos generativos y lograr respuestas más relevantes.

Objetivo principal del rol

El objetivo principal de este puesto es maximizar el potencial de las herramientas de IA generativa en la empresa mediante la creación y ajuste de prompts de alta calidad. Esto implica lograr que los modelos generativos (texto, imagen, audio, vídeo) generen resultados óptimos, seguros y creativos que impulsen la innovación y la automatización de productos.

El especialista en prompts velará porque las soluciones de IA se alineen con las necesidades del proyecto y aporten valor diferencial, contribuyendo así al éxito tecnológico y de negocio de la startup.

Experiencia profesional requerida

• Experiencia en IA: Experiencia demostrable (idealmente 3+ años) en proyectos de Inteligencia Artificial, Aprendizaje Automático o Procesamiento de Lenguaje Natural. Se valorará especialmente la experiencia con IA generativa (modelos de lenguaje tipo GPT, difusión de imágenes, etc.) y la experimentación con distintos prompts.

• Integración de modelos: Antecedentes trabajando con APIs de servicios de IA (por ejemplo, integrar modelos de OpenAI, Midjourney u otras plataformas) en aplicaciones, prototipos o flujos de trabajo automatizados. Familiaridad en desarrollar scripts o aplicaciones que consuman estas APIs para resolver problemas concretos. Además, se valora la experiencia colaborando con desarrolladores backend para integrar de forma eficiente las soluciones de IA generativa en los sistemas y entornos de producción de la empresa.

• Programación y datos: Conocimientos prácticos de programación, preferiblemente en Python (u otro lenguaje común en IA), para manipular datos, llamar a APIs y automatizar pruebas de prompts. Experiencia manejando herramientas, librerías o frameworks de aprendizaje automático básicos y trabajando con conjuntos de datos para entrenar o evaluar modelos.

• Generación Aumentada por Recuperación (RAG): Experiencia demostrable en el diseño e implementación de pipelines de RAG, integrando sistemas de recuperación de información (por ejemplo, motores de búsqueda o bases de conocimiento) con modelos generativos para mejorar la relevancia y precisión de las respuestas. Incluye la automatización y validación de estas soluciones en entornos de prueba antes de escalarlas vía API en producción, asegurando su calidad y fiabilidad.

• Entorno startup/innovación: Haber trabajado en entornos ágiles de innovación, laboratorios I+D o startups tecnológicas, colaborando en equipos multidisciplinares. Se busca un perfil que se sienta cómodo prototipando soluciones, iterando rápidamente y asumiendo distintos retos técnicos de forma autónoma.

Habilidades técnicas y blandas

Habilidades técnicas:

• NLP e IA generativa: Dominio de conceptos de Procesamiento de Lenguaje Natural y comprensión del funcionamiento de modelos generativos (LLMs, redes generativas, difusores, etc.). Capacidad para idear y refinar prompts eficaces, aplicando técnicas como prompt tuning, few-shot learning o ajustes de parámetros para mejorar las respuestas de la IA.

• Herramientas de IA: Manejo de herramientas y APIs de IA generativa, desde modelos de lenguaje (GPT-3.5, GPT-4 de OpenAI) hasta generadores de imágenes (Midjourney, DALL-E, Stable Diffusion, Nano Banana), vídeo (Runway ML) o voz (ElevenLabs), entre otros. Conocimiento de cómo configurar estos sistemas (por ejemplo, ajustes de parámetros, ingeniería de prompts, uso de modelos pre-entrenados vs. afinados). Asimismo, se requieren conocimientos de frameworks de orquestación de IA como LangChain o Semantic Kernel, así como familiaridad con bases de datos vectoriales (por ejemplo, FAISS, ChromaDB) para implementar flujos de generación aumentada por recuperación (RAG).

• Programación y automatización: Competencia en Python u otro lenguaje de scripting para implementar soluciones y flujos de trabajo automatizados con IA. Familiaridad con control de versiones (Git) y buenas prácticas de coding. Capacidad para manejar datos de entrada/salida de los modelos, evaluar resultados con métricas básicas y depurar comportamientos inesperados de la IA. Asimismo, se valorará la experiencia con prácticas de MLOps, incluyendo pruebas automatizadas, integración y despliegue continuos (CI/CD), así como el seguimiento de métricas de rendimiento en soluciones de IA generativa (por ejemplo, pipelines RAG), con el fin de garantizar su calidad y fiabilidad en entornos de producción.

• Calidad, ética y seguridad: Concienciación sobre la ética en IA y la necesidad de mitigar sesgos o resultados inapropiados. Habilidad para implementar filtros, comprobar outputs y ajustar prompts para asegurar que las respuestas sean seguras, respetuosas y libres de sesgos o errores graves.

Formación académica deseada

Se prefiere formación universitaria de grado en disciplinas STEM. Por ejemplo, Grado en Ingeniería Informática, Matemáticas, Física, Telecomunicaciones o similares, idealmente con especialización en Inteligencia Artificial, Ciencia de Datos o Robótica. Un Máster en Inteligencia Artificial/Aprendizaje Automático o formación de posgrado específica en Procesamiento de Lenguaje Natural será muy valorado. En ausencia de titulación formal en IA, se considerarán certificaciones profesionales o cursos especializados en Machine Learning, Data Science o Desarrollo de Aplicaciones de IA generativa. Lo importante es demostrar base sólida en fundamentos técnicos y pasión por la IA.