Senior Ai Engineer - Bip Ai Lab

In questo ruolo di Senior AI Engineer, contribuirei alla progettazione e industrializzazione di piattaforme MLOps su cloud, con focus su produzione end-to-end di pipeline ML e governance dei modelli. Lavorerai in un team multidisciplinare (Research, Engineering, Delivery) per trasformare ricerca e innovazione in soluzioni aziendali concrete. Ti occuperai di architetture scalabili, osservabilità dei modelli e pratiche di sicurezza e costi in ambienti production. L’opportunità combina sviluppo tecnico avanzato e mentoring, in un contesto internazionale e orientato alla crescita professionale. Un aspetto chiave è collaborare con diverse funzioni per guidare progetti di AI integrati nel business

Retribuzione / Benefits

• Formazione e sviluppo professionale
• Assicurazione sanitaria
• Check-up agevolati e benessere psicofisico
• Piano welfare integrativo

Responsabilità

• Guidare la progettazione di piattaforme MLOps enterprise su cloud (Azure, AWS, GCP) definendo pattern architetturali, standard e tooling
• Presidiare lo sviluppo di pipeline ML end-to-end production-grade: feature engineering, training distribuito, deployment blue/green o canary, monitoring, retraining automatico
• Definire architetture di model serving scalabili (real-time, batch, streaming) su Kubernetes, SageMaker, Azure ML Endpoints o Vertex AI
• Collaborare con Cloud Architect e Data Engineer per architetture end-to-end per sistemi AI in produzione, con sicurezza, networking e costi
• Implementare strategie di model observability, drift detection, A/B testing e governance dei modelli in produzione
• Fare mentoring tecnico e code review verso i profili junior, contribuendo a best practice e crescita delle competenze MLOps del team

Requisiti fondamentali

• Dai 3 ai 6 anni di esperienza in ML Engineering, MLOps o Cloud Engineering applicato all’AI
• Padronanza di Python, Docker, Kubernetes e di almeno un orchestratore ML (MLflow, Kubeflow, SageMaker Pipelines, Azure ML Pipelines)
• Esperienza consolidata su almeno un cloud provider (Azure, AWS o GCP) e sui relativi servizi ML/AI a livello production-grade
• Competenza in CI/CD per ML (GitHub Actions, GitLab CI, Azure DevOps) e in Infrastructure as Code (Terraform, Bicep, CloudFormation)
• Conoscenza di principi di sicurezza cloud, cost optimization e gestione di ambienti multi-tenant per workload AI
• Collaborazione cross-funzionale
• Proble solving proattivo