Senior GCP DevOps con Especialización en MLOps & GenAI

Rol

Buscamos un/a Senior GCP DevOps Engineer con especialización en MLOps & GenAI para operar y habilitar plataformas de IA basadas en Machine Learning y LLMs en GCP. El objetivo es que los modelos, workflows y sistemas multiagente del equipo de IA puedan ejecutarse de forma escalable, confiable, segura y eficiente.

Responsabilidades

Infraestructura & DevOps (core)

• Diseñar, automatizar y operar infraestructura en GCP (IAM, redes/VPC, Cloud Run, Compute Engine, Pub/Sub, Cloud SQL).
• Aplicar Infrastructure as Code con Terraform (módulos, state remoto, workspaces multiambiente).
• Construir y mantener pipelines CI/CD con GitLab CI/CD (branching, versionado y despliegue).

Kubernetes / GKE

• Administrar clústeres en GKE, incluyendo nodepools con GPU, autoscaling, seguridad, networking y monitoreo.
• Desplegar servicios de inferencia/aplicaciones de IA en GKE o Cloud Run.

MLOps

• Integrar y operar plataformas de ML como Vertex AI y/o MLflow (o equivalentes).
• Desplegar modelos en endpoints online y batch (o contenedores).
• Gestionar experiment tracking, model registry y artefactos.

GenAI & Sistemas Multiagente

• Consumir APIs de LLMs (GPT, Gemini, Claude, etc.).
• Implementar RAG, embeddings y workflows multiagente o pipelines de concurrencia.
• Desplegar servicios basados en LLM optimizando rendimiento y costos.

Observabilidad & Costos

• Configurar monitoreo y trazabilidad con Grafana, Datadog y/o Looker Studio.
• Monitorear consumo de tokens, recursos GPU/CPU y costos de GCP.
• Implementar alertas de latencia, fallas y carga.

Requisitos

• +4 años en GCP en producción.
• +3 años con Terraform avanzado.
• +3 años administrando Kubernetes/GKE (ideal si con GPU).
• +3 años construyendo CI/CD.
• Dominio de Docker, seguridad en cloud, redes y observabilidad.

Requisitos MLOps/GenAI

• Haber colaborado con squads de datos/IA (no necesariamente entrenando modelos, pero sí desplegándolos).
• Experiencia desplegando modelos ML en endpoints online o batch.
• Experiencia con GenAI: LLMs, RAG o consumo de APIs (OpenAI/Gemini/etc.).
• Conocimiento/experiencia con Vertex AI / MLflow / SageMaker / Azure ML (cualquiera aplicable).
• Experiencia en experiment tracking y versionado de modelos.
• Entendimiento de tokens, latencia, concurrencia y costos en inferencia.

Nice to Have

• Certificación GCP (Cloud Architect, Data Engineer o ML Engineer).
• Experiencia con Dataflow, BigQuery y pipelines de datos.
• NLP y frameworks como LangChain, LangGraph o LlamaIndex.