Realizar el perfilado y evaluación de la calidad de los datos clínicos y operativos disponibles, desarrollar prototipos rápidos de modelos de machine learning (ML) o modelos de lenguaje de última generación (RAG-LLM), y entregar métricas iniciales (baseline) que soporten la toma de decisiones técnicas y de negocio durante la fase de descubrimiento del proyecto. Responsabilidades Principales Identificar, perfilar y evaluar la calidad y disponibilidad de los datos clínicos y administrativos provenientes de las fuentes internas relevantes (HIS, EMR, ERP, entre otras). Desarrollar prototipos rápidos de modelos de machine learning clásicos o basados en tecnologías LLM (por ejemplo, Retrieval-Augmented Generation) para responder a los principales casos de uso definidos. Generar métricas iniciales (baseline) de precisión, costo y latencia de los prototipos construidos, de manera que sirvan de insumo objetivo para la toma de decisiones y la validación de la viabilidad técnica del proyecto. Documentar hallazgos, limitaciones, brechas de datos y resultados del perfilado, así como recomendaciones para la fase de desarrollo. Colaborar activamente con el AI Architect en la evaluación de alternativas técnicas y en la propuesta de escenarios de solución. Asegurar que las prácticas de análisis y desarrollo cumplan con los lineamientos de privacidad y protección de datos definidos por la organización y la normativa vigente. Apoyar la preparación de entregables técnicos y la presentación de resultados ante el Discovery Lead y los stakeholders relevantes. Requisitos: Responsabilidades Principales Identificar, perfilar y evaluar la calidad y disponibilidad de los datos clínicos y administrativos provenientes de las fuentes internas relevantes (HIS, EMR, ERP, entre otras). Desarrollar prototipos rápidos de modelos de machine learning clásicos o basados en tecnologías LLM (por ejemplo, Retrieval-Augmented Generation) para responder a los principales casos de uso definidos. Generar métricas iniciales (baseline) de precisión, costo y latencia de los prototipos construidos, de manera que sirvan de insumo objetivo para la toma de decisiones y la validación de la viabilidad técnica del proyecto. Documentar hallazgos, limitaciones, brechas de datos y resultados del perfilado, así como recomendaciones para la fase de desarrollo. Colaborar activamente con el AI Architect en la evaluación de alternativas técnicas y en la propuesta de escenarios de solución. Asegurar que las prácticas de análisis y desarrollo cumplan con los lineamientos de privacidad y protección de datos definidos por la organización y la normativa vigente. Apoyar la preparación de entregables técnicos y la presentación de resultados ante el Discovery Lead y los stakeholders relevantes. Requisitos del Perfil Formación Académica Profesional en Ingeniería de Sistemas, Computación, Matemáticas, Estadística o áreas afines. Deseable: Especialización o estudios avanzados en inteligencia artificial, ciencia de datos o áreas relacionadas. Experiencia Mínimo 3 años de experiencia práctica en el desarrollo y evaluación de modelos de machine learning, análisis de datos o implementación de prototipos de IA, preferiblemente en el sector salud o en proyectos con datos estructurados y no estructurados. Experiencia demostrable en perfilado, limpieza, validación y análisis de calidad de datos en contextos complejos. Conocimientos y Competencias Técnicas (con experiencia comprobada) Modelado y Prototipado ML/LLM: Experiencia en el desarrollo de prototipos de modelos de machine learning clásicos y de modelos de lenguaje (LLM, RAG, etc.), empleando frameworks como TensorFlow, PyTorch, scikit-learn, HuggingFace, u otros. Perfilado y Calidad de Datos: Manejo de técnicas y herramientas para perfilado de datos, análisis de calidad, detección de brechas y preparación de datasets. Análisis de Métricas: Capacidad para calcular, interpretar y comunicar métricas de baseline, como precisión, recall, F1, latencia y costo computacional. Procesamiento de Datos Clínicos/Administrativos: Deseable experiencia con fuentes de datos propias del sector salud (HIS, EMR) y comprensión de los retos asociados a datos sensibles y regulados. Herramientas de Programación: Dominio de Python y librerías asociadas (pandas, numpy, scikit-learn, etc.); manejo de notebooks colaborativos (Jupyter, Colab). Documentación y Comunicación: Capacidad para documentar procesos, resultados y hallazgos de forma clara, así como para participar en presentaciones técnicas ante audiencias especializadas. Competencias Personales Pensamiento analítico, orientación al detalle y rigor técnico. Capacidad de autoaprendizaje y actualización en nuevas técnicas o frameworks de IA. Trabajo colaborativo y orientación a resultados. Adaptabilidad y proactividad para enfrentar retos técnicos y de datos. Idioma Inglés técnico intermedio o B1 – B2.