Su primer ingeniero de ML no es una contratación para investigación. Es una contratación para entrega de productos. La mayoría de las startups invierten esto y lo pagan con un año de margen operativo y un sistema que nadie puede operar.
El primer ingeniero de ML establece el estándar para determinar si la IA se convierte en una capacidad o en una feria de ciencias en su empresa. La contratación es de alto impacto, y el error más común es optimizar para la señal equivocada.
Busque comprender: Cuál es realmente el rol
Comprenda el trabajo antes de la descripción del puesto (JD). En una startup, el primer ingeniero de ML construye pipelines, es responsable de las evaluaciones (evals), entrega modelos a producción y depura la integración, no entrena arquitecturas SOTA. Si contrata a un investigador para un trabajo de ingeniero, obtendrá un sistema que hace demostraciones pero no funciona.
- Entrega pipelines, no artículos.
- Es responsable de las evaluaciones (evals) y la observabilidad, no solo del modelo.
- Se preocupa por la integración, no solo por el benchmark.
Las señales de diligencia
- ¿Han llevado un modelo a producción y lo han mantenido en funcionamiento?
- ¿Pueden explicar una falla en producción de la que fueron responsables, de principio a fin?
- ¿Hablan de evaluaciones (evals), drift y costo, o solo de la calidad del modelo?
Las señales de alerta
- Optimiza para el benchmark, no para la métrica de negocio.
- Considera la producción, las evaluaciones (evals) y la observabilidad como el trabajo de otra persona.
- No puede nombrar un modelo que haya entregado que falló y lo que aprendió.
La trampa de la contratación
La trampa es contratar por prestigio —el nombre del laboratorio, el número de publicaciones— en lugar de por la entrega de productos. Un primer ingeniero de ML que no puede ser responsable de la producción lo deja con un modelo y sin sistema, que es exactamente donde residen la mayoría de las iniciativas de IA estancadas.
Cómo lo enmarca FACTA
El trabajo de FACTA con equipos de despliegue avanzado y startups se basa en ingenieros que entregan y son responsables —un flujo de trabajo real en producción en 4-8 semanas. El estándar de contratación que aplicaríamos a un primer ingeniero de ML es el mismo que aplicamos a los nuestros: entrega, es responsable y puede defender el sistema ante la junta directiva.
Conclusión
Su primer ingeniero de ML es una contratación para entrega de productos. Evalúe la responsabilidad de producción, las evaluaciones (evals) y la integración, y trate las credenciales de investigación pura como una señal de alerta amarilla, no verde.
Acerca de FACTA
FACTA ayuda a startups y equipos en etapa de crecimiento a transformar la IA en sistemas de producción que se mantienen en funcionamiento, no en demostraciones que impresionan una sola vez.
Diseñamos la arquitectura en torno a las partes que realmente fallan bajo uso real: herramientas de su propiedad, credenciales que usted controla, conmutación por error (failover), controles de costos, observabilidad. La infraestructura esencial que mantiene un sistema vivo después del lanzamiento.
Dirigido por Matías Baglieri y Carolina Fogliato, nos enfocamos en una cosa:
Liderazgo en IA que construye. No solo asesora.
Envíenos un perfil de candidato o la descripción del puesto (JD) de su primer ingeniero de ML.
Le diremos si está evaluado para entrega de productos o para publicaciones. Consulte el modelo de CAIO fraccional para el liderazgo en torno a la contratación.
Explorar estrategia de IA