(Retail-Tech) MLOps Security Engineer

• Trabajamos con ellos.
• Desde adentro.
• Como parte de su ritmo.
• Como una extensión natural de su capacidad tecnológica.

Propósito del cargo

Diseñar, asegurar y operar pipelines de machine learning de forma confiable, escalable y segura. Este rol combina prácticas de MLOps, Cloud Security, Application Security y AI/ML Governance para proteger modelos, datos, infraestructura y procesos a lo largo de todo el ciclo de vida de ML. Garantizar que los sistemas de machine learning y sus pipelines de operación cumplan con principios de seguridad, trazabilidad, resiliencia y cumplimiento, integrando controles desde el diseño hasta la producción.

Responsabilidades Clave

• Diseñar e implementar controles de seguridad para pipelines de MLOps y plataformas de IA/ML.

• Asegurar entornos de desarrollo, entrenamiento, validación, despliegue y monitoreo de modelos.

• Proteger activos críticos: datasets, features, modelos, artefactos, secretos, APIs y entornos de inferencia.

• Integrar prácticas de DevSecOps y MLOps en pipelines CI/CD y CT (continuous training).

• Definir políticas de control de acceso, gestión de secretos, cifrado y segregación de ambientes.

• Implementar hardening en contenedores, Kubernetes, notebooks, repositorios y registries de modelos.

• Evaluar riesgos de supply chain de ML: dependencias, librerías, imágenes, paquetes y modelos de terceros.

• Diseñar mecanismos de observabilidad, logging, auditoría y trazabilidad para el ciclo de vida de modelos.

• Colaborar con Data Science, Platform Engineering, Security y Compliance para alinear estándares.

• Desarrollar controles de validación: integridad de datos, drift, comportamiento anómalo y cambios no autorizados en modelos.

• Participar en threat modeling para casos de uso de IA/ML y arquitecturas basadas en datos.

• Apoyar en respuesta a incidentes relacionados con plataformas ML, fuga de datos, exposición de modelos o abuso de APIs.

Requisitos excluyentes

• Experiencia en roles de MLOps, DevSecOps, Cloud Security, Platform Engineering o Security Engineering.

• Conocimiento práctico de pipelines de machine learning y despliegue de modelos en producción.

• Experiencia con al menos una nube: AWS, Azure o GCP.

• Experiencia con contenedores y orquestación: Docker, Kubernetes.

• Conocimiento de herramientas CI/CD: GitHub Actions, GitLab CI, Jenkins o Azure DevOps.

• Experiencia en scripting o desarrollo con Python y/o Bash.

• Conocimiento de controles de seguridad: IAM, gestión de secretos, cifrado, network segmentation, logging.

• Experiencia con Infrastructure as Code, idealmente Terraform o equivalentes.

• Familiaridad con plataformas ML: MLflow, Kubeflow, SageMaker, Vertex AI, Azure ML o similares.

• Capacidad para analizar riesgos técnicos y traducirlos en controles concretos.

Deseables

• Experiencia en threat modeling aplicado a IA/ML.

• Conocimiento de seguridad en supply chain de software y modelos.

• Familiaridad con frameworks: NIST, OWASP, MITRE ATT&CK, NIST AI RMF.

• Experiencia en monitoreo de modelos, drift detection, lineage y gobernanza de datos.

• Conocimiento de adversarial ML, model abuse, prompt security o riesgos emergentes en sistemas de IA.

• Certificaciones en cloud, seguridad o Kubernetes.

• Experiencia en sectores regulados como banca, retail, salud o telecomunicaciones.

¡Los beneficios empresariales dependerán del lugar de LATAM donde te encuentres!