Mi nombre es Lucas y actualmente trabajo como Ingeniero de aprendizaje automático, líder en iniciativas de IA para clientes de todo el mundo.

Mi formación académica no es la más convencional para este puesto. Estudié Ingeniería mecánica, sin formación formal en Ciencias de la Computación ni una especialización temprana en IA. Lo que sí tenía era una sólida base de ingeniería, un interés de larga data por el software y la voluntad de aprender a través de la experiencia práctica.

Hoy, soy un Líder técnico en Marvik, una consultora práctica de IA creada para el presente. Con el respaldo de socios tecnológicos líderes como Nvidia y Oracle, ayudamos a las organizaciones a pasar de la idea a la producción de forma rápida, segura y a gran escala

Este artículo reflexiona sobre mi trayectoria profesional, las principales lecciones aprendidas a lo largo del camino y las ideas que compartiría con cualquiera que esté considerando una carrera como Ingeniero de aprendizaje automático.

Cómo comenzó mi carrera: ingeniería mecánica y programación temprana

Originalmente me formé como ingeniero mecánico, pero mi relación con el software comenzó mucho antes. Empecé a programar alrededor de los 15 años, no con un objetivo profesional en mente, sino por curiosidad y placer. Me gustaba construir cosas, experimentar y jugar con los primeros lenguajes de programación simplemente porque era divertido. En aquella época, la ingeniería parecía el camino «serio», y la programación era solo un interés secundario.

Eso cambió durante mi tesis de maestría en mecánica computacional. El trabajo combinó simulaciones numéricas, código personalizado y análisis de datos para extraer información de ingeniería significativa de sistemas complejos. Por primera vez, Pasaba la mayor parte de mi tiempo escribiendo código, analizando resultados y razonando con datos en lugar de centrarme en problemas puramente mecánicos. Rápidamente me di cuenta de que esta era la parte del trabajo que más disfrutaba. Cuando me gradué, la decisión me pareció obvia: en lugar de seguir un puesto tradicional de ingeniería mecánica, pasé directamente a la ciencia de datos y al aprendizaje automático.

Los inicios de mi carrera profesional comenzaron en un entorno de consultoría de gestión como científico de datos junior, trabajando en problemas empresariales con datos del mundo real. Aprendí cómo las organizaciones utilizan realmente los datos, escriben SQL, crean paneles y traducen los análisis en decisiones, especialmente en sectores con muchos datos, como el comercio minorista. A partir de ahí, pasé al aprendizaje automático centrado en el producto, desarrollando sistemas de recomendación y personalización que moldeaban directamente las experiencias de los usuarios. Esa transición me enseñó una lección fundamental: el éxito del aprendizaje automático no consiste solo en mejorar los modelos, sino en experimentar, medir y hacer concesiones pragmáticas en los sistemas de producción. Esta experiencia consolidó mi decisión de perseguir el aprendizaje automático como una carrera a largo plazo.

Por qué también trabajé como ingeniero de datos

Más tarde, pasé alrededor de un año trabajando como Ingeniero de datos. Fue intencional. Quería entender el ciclo de vida completo de los sistemas de datos.

El trabajo de ingeniería de datos es menos visible pero crítico:

• calidad y confiabilidad de los datos
• tuberías que no fallan silenciosamente
• sistemas que escalan y llegan a tiempo

Después de esa experiencia, mi conclusión fue simple: me gustó tanto el lado del modelado como el lado de la ingeniería. Fue entonces cuando Ingeniero de aprendizaje automático el papel realmente tenía sentido. Se encuentra exactamente en esa intersección: construir modelos y asegurarse de que funcionen de manera confiable en la producción.

La realidad del papel del ingeniero de aprendizaje automático en 2025 o más

Si está considerando una carrera como Ingeniero de aprendizaje automático hoy en día, es importante entender cómo ha evolucionado el rol.

Hace unos años, los roles estaban claramente separados:

• Científicos de datos centrados en experimentos y modelos
• Los ingenieros de ML gestionaron la implementación y el rendimiento
• Los ingenieros de datos gestionaron las canalizaciones y la infraestructura

Hoy en día, con los LLM y las modernas herramientas de inteligencia artificial, las empresas necesitan cada vez más ingenieros de IA de extremo a extremo. Personas que pueden:

• Experimenta con diferentes modelos
• Intégralos en el código de nivel de producción
• Evalúe el desempeño
• Gestione la confiabilidad, el costo y la seguridad
• Comprenda las limitaciones de los sistemas basados en IA

Los fundamentos del aprendizaje automático siguen siendo importantes. Pero el verdadero valor ahora proviene de saber cómo convierte la IA en software utilizable, no solo la optimización de un modelo en un portátil.

Cómo me mantengo al día en una industria de inteligencia artificial en rápido movimiento

Trabajar en proyectos reales de IA es la mejor manera de mantenerse al día. Más allá de eso, intento ser consciente de dónde obtengo la información.

Lo que funciona para mí:

• Usar LinkedIn como una señal, no como la historia completa
• Seguir a las personas que realmente construyen y distribuyen sistemas de IA
• Leer artículos o resúmenes cuando me preocupa profundamente un tema
• Construir pequeños proyectos para que las tendencias se conviertan en experiencias reales

El objetivo no es perseguir cada nueva versión. Se trata de entender qué es lo que seguirá siendo importante el año que viene y cómo evolucionará la industria con el paso del tiempo.

Un proyecto de aprendizaje automático que cambió mi forma de ver el valor de la IA

En Marvik, he trabajado con clientes de todo el mundo, desde empresas que recién comienzan su viaje hacia la IA hasta grandes organizaciones de la lista Fortune 500. Uno de los proyectos más impactantes involucró a un cliente abrumado por los documentos internos y los estudios de mercado. Tenían un vasto repositorio de información valiosa, pero no tenían una forma eficaz de acceder a ella, estructurarla o utilizarla para respaldar sus esfuerzos de marketing.

Creamos un sistema impulsado por IA que les permitió:

• Resuma documentos extensos en perspectivas ejecutivas dinámicas
• Consulte sus propios datos de forma conversacional, asegurándose de que todas las respuestas tengan un documento fuente
• Clasifica y organiza la información por tema, mejorando la experiencia de navegación

El éxito del proyecto no se debió a demostraciones llamativas. Se trataba de ahorrar tiempo, mejorar la toma de decisiones y hacer que los datos existentes fueran utilizables.

Qué recomiendo antes de entrevistarme como ingeniero de aprendizaje automático

Si te estás preparando para un Ingeniero de aprendizaje automático puesto, especialmente en la consultoría de IA, esto es lo que más importa:

Habilidades básicas de ingeniería

• Python fuerte
• SQL y experiencia con datos tabulares
• Fundamentos del backend para la creación de servicios, con un enfoque en marcos como FastAPI o Django

Fundamentos del aprendizaje automático

• ML clásico y redes neuronales
• Evaluación del modelo y compensaciones
• Experiencia práctica de capacitación y validación

Sistemas de IA modernos

• Desarrollo de experiencia con LLMs o agentes
• Comprender las limitaciones, la seguridad y la confiabilidad
• Saber cómo empaquetar modelos con software real
• Una sólida comprensión de los fundamentos subyacentes que hacen que los LLM funcionen.

Por qué trabajar en Marvik cambió mi carrera

Me uní Marvik como ingeniero de aprendizaje automático hace unos dos años y medio. En la actualidad, trabajo como Líder técnico.

Lo que marcó la diferencia no fue solo el aumento del título, sino el aumento del alcance y la responsabilidad.

IA real, en producción

En Marvik, la expectativa siempre es construir sistemas de IA que funcionen en entornos reales, con limitaciones reales. No nos detenemos en el nivel de experimentación, sino que implementamos soluciones de IA del mundo real en entornos de producción.

Exposición a diversos proyectos

He trabajado con grandes empresas y nuevas empresas de todos los sectores, resolviendo problemas muy diferentes. Esa variedad acelera el aprendizaje de una manera que pocos roles pueden hacerlo.

Trabajo técnicamente desafiante

Muchos proyectos comienzan sin una solución clara. La investigación, la experimentación y la iteración son parte del trabajo, no son excepciones.

Cultura y estándares técnicos sólidos

Hay un equilibrio poco común entre antigüedad, curiosidad y franqueza. Es un lugar donde puedes hacer preguntas, aprender rápido y mejorar continuamente.

¿Estás pensando en trabajar en Marvik?

Si estás pensando en unirte a Marvik, este es mi sincero consejo:

• Ten claro lo que has creado y aprendido
• Demuestre que puede pensar de principio a fin, no solo a nivel de modelo
• Siéntete cómodo con la ambigüedad
• Céntrese en ofrecer un valor empresarial real con la IA

Si te gusta resolver problemas complejos en los que la solución no es obvia desde el primer día, es probable que disfrutes trabajando aquí. Puedes explorar nuestros puestos vacantes aquí.

Si estás explorando una carrera como Ingeniero de aprendizaje automático, si estás haciendo la transición desde otro campo o tienes curiosidad por saber cómo es un verdadero trabajo de consultoría de IA, no dudes en ponerte en contacto conmigo en LinkedIn.

Puede que no tenga todas las respuestas, pero siempre te daré la sincera.