UNI 11621-8 · Ingeniería

Ingeniero de Machine Learning

El Ingeniero de Machine Learning industrializa los modelos: transforma prototipos en sistemas de producción fiables, escalables y mantenibles. La norma UNI 11621-8:2026 lo encuadra en el área de desarrollo e ingeniería.

Perfiles profesionales de IA · Ingeniería

Rol y misión

El Ingeniero de Machine Learning se centra en el MLOps, los pipelines de despliegue, la monitorización y la gestión del ciclo de vida del modelo. Hace de puente entre la investigación y la operación: su trabajo no es proponer algoritmos nuevos, sino que los modelos funcionen de forma estable en producción.

Responsabilidades principales

Implementar pipelines de entrenamiento reproducibles y versionados.
Desplegar los modelos manteniendo los acuerdos de disponibilidad y latencia.
Construir sistemas de detección de deriva y de monitorización de calidad.
Gestionar el reentrenamiento periódico y el despliegue de versiones.
Optimizar los costes de infraestructura y el consumo energético.
Colaborar con los equipos de ingeniería de datos, ciencia y producto.
Asegurar el cumplimiento del AI Act en los sistemas de alto riesgo.

Competencias técnicas

Python avanzado e ingeniería de software de producción.
Frameworks de ML: PyTorch, TensorFlow y scikit-learn.
Herramientas de MLOps: MLflow, Kubeflow, SageMaker y Vertex AI.
Contenedores y orquestación con Docker y Kubernetes.
Plataformas en la nube: AWS, Azure y GCP.
Integración y entrega continua para ML.
Monitorización con Prometheus, Grafana, Evidently y Arize.
Servicio de modelos con BentoML, TorchServe, Triton y vLLM.

Competencias transversales

Pensamiento sistémico y anticipación de fallos.
Comunicación con equipos heterogéneos.
Conocimiento de las obligaciones del AI Act para sistemas de alto riesgo.
Responsabilidad sobre la robustez en producción.

Formación e itinerario de certificación

La entrada habitual combina un grado en informática o ingeniería con una especialización en machine learning y una experiencia significativa en ingeniería de software. El rol exige tanto criterio de modelado como disciplina de producción.

Contexto de mercado

Es uno de los perfiles de IA más solicitados. Toda empresa que mantiene IA en producción necesita esta capacidad. Los sectores activos son las finanzas, el retail, la manufactura, la salud, las telecomunicaciones y la administración pública. Una fintech en Buenos Aires que pone un modelo de scoring en producción, o un retailer de Ciudad de México con recomendadores en tiempo real, dependen de este perfil para que el sistema no se degrade.

Credencial Europea Digital de AIPIA

Existen tres vías para acreditar la competencia como Ingeniero de Machine Learning según la norma. La certificación de tercera parte (ISO/IEC 17024, organismos acreditados por Accredia) tiene valor legal pleno, pero a fecha de hoy ningún organismo italiano está acreditado todavía para la UNI 11621-8: el proceso está en curso. La Credencial Europea Digital (EDC) con sello eIDAS ya está disponible: AIPIA está autorizada por la Comisión Europea para emitirla, se verifica de forma criptográfica, se guarda en la cartera digital europea y se reconoce en los 27 Estados miembros. La atestación de calidad profesional al amparo del artículo 7 de la Ley italiana 4/2013 documenta la pertenencia asociativa y los estándares cumplidos. Para quien trabaja desde Argentina, España, México o Miami con clientes europeos, la EDC aporta una capa de verificación reconocida en toda la UE. Conoce el detalle en la Credencial Europea de IA.

Preguntas frecuentes

¿En qué se diferencia un Ingeniero de ML de un Ingeniero de MLOps?

El Ingeniero de ML cubre el ciclo completo: modelo más ingeniería. El Ingeniero de MLOps se especializa en la plataforma y en los procesos de automatización. En empresas pequeñas los roles se solapan; en las grandes se separan.

¿Qué es el MLOps y por qué es crítico?

Entre el 70 y el 80 % de los modelos desarrollados no llegan a producción o se degradan con rapidez. El MLOps cubre el entrenamiento automatizado, el despliegue continuo, la monitorización de la deriva, el versionado, la gobernanza y el cumplimiento del AI Act.

¿Incluye el rol trabajo con modelos de lenguaje y IA generativa?

Cada vez más. Incluye el servicio de modelos de lenguaje con vLLM o TGI, la cuantización, la construcción de pipelines de RAG, la monitorización de alucinaciones y la seguridad frente a prompt injection.

Perfiles relacionados

Obtén tu Credencial Europea Digital de Ingeniero de Machine Learning

Credencial con sello eIDAS emitida por AIPIA y reconocida en toda la Unión Europea.

Hazte socio Todos los perfiles