Tech Lead Aa & Opti

• Formular matemáticamente y diseñar la arquitectura de las soluciones de optimización y ML (scheduling, ruteo, planificación de producción y S&OP, asignación de recursos, pricing, predicción de calidad y demanda, forecasting, riesgo), traduciendo el problema de negociona una formulación técnica.
• Definir la arquitectura computacional y el stack tecnológico de la línea, gestionando la deuda técnica y el roadmap técnico del área.
• Asegurar la calidad técnica: estándares de código y documentación, revisión de modelos y código, testing, MLOps y productivización en ambientes del cliente (junto a otras áreas) y resguardo de los datos según la normativa vigente.
• Construir y mantener componentes reutilizables (librerías de optimización, plantillas de modelos, pipelines de datos) que aceleren la entrega de proyectos.
• Gestionar y desarrollar al equipo técnico: asignación según capacidad y habilidades, 1-on-1s, plan de carrera, participación en contrataciones y liderazgo del área.
• Actuar como contraparte técnica ante clientes: levantar requerimientos, estimar esfuerzo, medir impacto (línea base y KPIs) y comunicar avances y riesgos.
• Apoyar técnicamente las propuestas de preventa y las postulaciones a fondos de I+D (FONDEF/CORFO), evaluando la factibilidad y estimando las soluciones.
• Participar como charlista o contenidista en clases, charlas y otras instancias de formación y divulgación de su especialidad.
• Realizar otras tareas asociadas a su área, definidas por el Gerente General y Líder de Tecnología.

Excluyentes:

• Optimización: investigación de operaciones aplicada (programación lineal y entera mixta, programación con restricciones, heurísticas/metaheurísticas), con experiencia en scheduling, ruteo, planificación, S&OP, asignación de recursos o turnos, en industria, servicios, banca o salud.
• ML aplicado: machine learning aplicado a problemas de operaciones y negocio (series de tiempo y forecasting, predicción de calidad o demanda, scoring/riesgo, datos de sensores y transaccionales) y Python avanzado.
• Productivización: puesta en producción de modelos con solvers comerciales y open source (Gurobi, CPLEX, OR-Tools, HiGHS u otros), APIs, contenedores, cloud, MLOps y monitoreo.
• Datos: ingeniería de datos para trabajar con ERP, sistemas core y datos industriales o transaccionales.
• Calidad y colaboración: Git, flujos colaborativos, revisión de código, testing, documentación y estimación de esfuerzo.
• Explicabilidad: explicabilidad de modelos de optimización y LLMs como capa de interfaz con el usuario final.

Deseables:

• Experiencia en industrias asset intensive (celulosa, forestal, energía, minería, manufactura, alimentos) con interés en explorar banca, servicios y salud.
• Despliegues en ambientes de clientes u on-premise.
• Experiencia en proyectos para clientes, preventa o fondos de I+D.
• Experiencia en docencia, mentorías o charlas técnicas.
• Inglés técnico para leer documentación y colaborar en contextos internacionales.