Data & ai integration engineer | ingeniero/a de datos, integraciones e ia aplicada
Guarda esta oferta y sigue tu búsqueda
Crea una cuenta gratis para guardar empleos, crear alertas y volver a esta oferta desde tu panel.
¿Te apasionan los datos, la tecnología y la IA aplicada? ¿Te gusta convertir problemas reales en soluciones prácticas, eficientes y medibles? En Grupo María José San Román , buscamos incorporar un/a Data & AI Integration Engineer para participar en proyectos de datos, integraciones, analítica, automatización e inteligencia artificial aplicada . Buscamos un perfil técnico, analítico y hands-on , capaz de transformar requisitos en soluciones reales: conectar sistemas, preparar datos, desarrollar pipelines, crear dashboards, automatizar procesos y experimentar con soluciones de IA cuando aporten un valor claro al negocio.
Misión del puesto: Ejecutar soluciones técnicas que conviertan datos dispersos en información fiable y procesos más eficientes, mediante integraciones, analítica, automatización e IA aplicada, dentro de los proyectos priorizados y dirigidos por Asesoría a Dirección. El reto El Grupo trabaja con distintas herramientas, fuentes de información y procesos digitales que no siempre están conectados ni utilizan definiciones comunes. Esto limita la capacidad de consolidar información, automatizar tareas y obtener una visión compartida del negocio.
Buscamos a una persona capaz de ejecutar de forma práctica soluciones en el punto de encuentro entre datos y tecnología: acceder y preparar información, conectar sistemas, programar, construir análisis útiles y desarrollar automatizaciones o aplicaciones sencillas de IA. El trabajo partirá de prioridades, objetivos y alcances definidos por el equipo de Dirección.
El perfil que necesitamos Necesitamos un perfil técnico, analítico y hands-on: alguien que programe, sea riguroso con los datos, tenga experiencia experimentando con modelos y convierta requisitos definidos en soluciones sencillas, seguras, medibles y mantenibles. RESPONSABILIDADES Qué harás. Preparar y ordenar los datos. Mapear fuentes, campos y flujos; normalizar identificadores y métricas; documentar calidad, historial y limitaciones; y establecer controles para que la información utilizada en cada proyecto sea fiable. Integrar sistemas.
Diseñar y mantener conexiones mediante APIs, webhooks, bases de datos, ficheros estructurados o automatizaciones; gestionar autenticación, validaciones, registros de error y recuperación ante fallos. Desarrollar pipelines y productos de datos. Crear procesos reproducibles de extracción, transformación y carga; modelos de datos; tablas de análisis; cuadros de mando; alertas y conjuntos de datos listos para uso operativo o analítico. Construir analítica útil.
Crear indicadores, análisis y visualizaciones (dashboards) a partir de los requisitos acordados, y explicar resultados, limitaciones e incertidumbre al equipo de Dirección. Desarrollar y validar soluciones de IA aplicada. Implementar prototipos e integraciones utilizando herramientas y modelos existentes; compararlos con alternativas más sencillas; y aplicar pruebas, trazabilidad y revisión humana antes de su uso. Automatizar los procesos priorizados.
Convertir flujos definidos en soluciones que reduzcan tareas repetitivas, errores y retrabajo, automaticen controles y permitan gestionar por excepción. Aportar criterio técnico sobre soluciones y proveedores. Analizar APIs, módulos, seguridad, dependencias, esfuerzo y mantenibilidad; preparar estimaciones y alertar sobre riesgos. Documentar, probar y transferir.
Mantener documentación técnica, control de versiones, pruebas y registros; formar a las personas usuarias cuando proceda; y facilitar que las soluciones puedan mantenerse y evolucionar. Principio de trabajo: La tecnología debe reducir fricción y mejorar decisiones. El objetivo no es introducir IA en todas partes, sino ejecutar la solución más simple capaz de generar un resultado fiable y medible. ÁMBITOS DE TRABAJO Qué abordarás.
- Datos fiables y preparados Analizar, limpiar, normalizar y documentar las fuentes priorizadas; identificar problemas de calidad, dependencias y limitaciones; y trasladar las implicaciones técnicas al equipo de Dirección.
- Integraciones y automatización Construir conexiones entre las herramientas priorizadas mediante APIs, ficheros estructurados o automatizaciones, con controles de calidad, gestión de errores