Senior AI Engineer – BIP AI LAB

Overview

In questo ruolo di Senior AI Engineer, contribuirai 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

Lavoro ibrido/remoto

Assicurazione sanitaria

Check-up agevolati e benessere psicofisico

Piano welfare integrativo

Ticket restaurant

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

Mentoring tecnico

Collaborazione cross-funzionale

Proble solving proattivo

Python

Docker

Kubernetes