Dos lecturas de una misma trayectoria
AI Engineer y ML Engineer se solapan mucho como títulos, pero las expectativas detrás no son las mismas. La distinción útil no es la etiqueta: es si la empresa busca a alguien que construya un producto alrededor de modelos existentes o a alguien que fabrique y fiabilice los modelos.
Lectura orientada a producto
Integrar modelos existentes, diseñar el sistema alrededor, evaluar la calidad percibida, poner en producción, coste y latencia. El entregable es una aplicación que aguanta.
Lectura orientada a modelo
Preparación y calidad del dato, experimentación, entrenamiento o adaptación, medición del rendimiento, industrialización del ciclo de vida. El entregable es un modelo fiable y reproducible.
Muchos puestos mezclan ambas. El CV debe hacer visible la dominante, no negar la otra.
Un mismo proyecto alimenta las dos lecturas. Un asistente interno construido sobre un modelo existente contiene una historia de integración y producción, pero también una de calidad de datos y medición. Cambia lo que pones delante; los hechos no.
Detectar la lectura esperada en la oferta
El título es poco fiable. Cuatro señales del texto dicen mucho más. Para leer una oferta entera, nuestra guía sobre cómo leer una oferta de IA profundiza en ello; aquí nos quedamos con lo que afecta al CV.
- El dato: si se habla de recogida, etiquetado, calidad o volumen, la lectura es de modelo.
- La producción: si se habla de usuarios, latencia, coste, disponibilidad o soporte, la lectura es de producto.
- Los entregables: «un servicio», «una aplicación», «una API» por un lado; «un modelo», «un pipeline de entrenamiento», «una mejora de rendimiento» por otro.
- Los interlocutores citados: producto y negocio apuntan a lo aplicado; investigación e ingeniería de datos apuntan al modelo.
Si la oferta es demasiado vaga para decidir, eso ya es información: el puesto probablemente no está definido. Prepara la pregunta para la entrevista antes que la versión perfecta del CV.
Reordenar antes de reescribir
El cambio más eficaz es también el más rápido: el orden. La primera lectura de un CV es breve y ocurre en la parte alta de la página.
- Encabezado: una línea de posicionamiento con los sistemas que construyes, no un título genérico.
- Dentro de cada experiencia: las responsabilidades acordes con la lectura esperada en las primeras viñetas.
- Competencias: agrupadas por uso (construir, evaluar, explotar), no en lista alfabética de herramientas.
Nada de esto cambia un solo hecho. Simplemente hace legible lo pertinente para ese puesto concreto, que es exactamente la función de un CV.
Escribir una línea que se gane su sitio
La mayoría de las líneas de un CV describen una tarea. Una línea útil describe una decisión. La estructura más sólida tiene tres partes: el problema, la decisión y el resultado observable.
Antes
«Desarrollo de un chatbot interno con Python, LangChain y una base vectorial.»
Después
«Asistente de búsqueda documental para soporte: indexación de los procedimientos por versión, cita obligatoria de la fuente y conjunto de evaluación revisado por dos referentes de negocio. Menos respuestas basadas en documentos caducados.»
Sin cifras inventadas: un resultado observable puede ser cualitativo si resiste las preguntas.
Una línea gana credibilidad cuando dice qué asumiste tú. «Implantamos» no se puede verificar en una entrevista; «diseñé la indexación y el conjunto de evaluación, y el equipo se ocupó de la puesta en producción» sí. Separar tu parte de la del equipo no debilita la trayectoria: es lo que la hace preguntable.
Antes (orientado a modelo)
«Entrenamiento de modelos de clasificación sobre datos de clientes, mejora del rendimiento.»
Después (orientado a modelo)
«Modelo de clasificación de tickets: reconstrucción del conjunto de entrenamiento con el equipo de soporte para corregir un etiquetado incoherente, validación por periodos en lugar de aleatoria para evitar la fuga temporal y reentrenamiento mensual automatizado. Menor diferencia entre la validación y el comportamiento observado en producción.»
La misma trayectoria, otra lectura: aquí se demuestran el dato, el protocolo y la reproducibilidad.
Solo incluye una cifra si puedes explicar cómo se midió. Una mejora anunciada sin método de medición se lee como argumento comercial y se vuelve en contra en la entrevista técnica.
La sección de competencias: fuera la lista de herramientas
Una lista larga de herramientas ya no diferencia a nadie y difumina el nivel real. Bastan tres agrupaciones, y siguen la misma lógica que las entrevistas: construir, medir, explotar.
- Construcción: lenguajes, marcos de orquestación, bases utilizadas y tipos de sistemas realmente entregados.
- Evaluación: métodos de medición de calidad, construcción de conjuntos de ejemplos, revisión humana.
- Explotación: despliegue, supervisión, control de costes y ciclo de vida de los modelos.
Separa lo que practicas de lo que solo has tocado. Dos bloques distintos —práctica habitual y nociones— se reciben mucho mejor que una lista plana donde todo parece igual.
Proyectos propios, formación y certificaciones
Pesan sobre todo cuando la experiencia profesional aún no cubre la lectura esperada: un perfil de Data Scientist que apunta a un puesto aplicado, o un perfil aplicado que apunta a uno de modelo.
- Conserva dos proyectos como máximo, realmente accesibles y documentados.
- Describe el problema y el límite conocido, no la stack; un repositorio sin explicación resta más que suma. Nuestra guía sobre un portfolio de IA creíble en GitHub detalla qué busca de verdad quien lo revisa.
- Las certificaciones señalan entrada en un ámbito, no experiencia: nunca por delante de los puestos.
- Elimina los proyectos de curso idénticos a los de miles de candidatos, salvo que los hayas prolongado de verdad.
Dos versiones, no una por oferta
Mantener un CV por anuncio es insostenible y produce documentos incoherentes. Dos versiones estables —una de producto y otra de modelo— cubren casi todas las candidaturas. Cada envío solo requiere ajustar el encabezado y el orden de las primeras viñetas.
En cuanto al formato, sigue el mercado al que te diriges antes que una regla universal: los usos difieren entre España, Francia y los mercados internacionales, sobre todo en foto, extensión e idioma del documento. Ante la duda, para una empresa internacional una versión en inglés, sin foto y de dos páginas como máximo sigue siendo la opción más segura.
Sobre los filtros automáticos, sé prudente: reutilizar la terminología de la oferta cuando corresponde de verdad a tu experiencia ayuda a que te encuentren, mientras que acumular palabras clave no engaña a nadie y se nota en la primera pregunta. Escribe para un lector humano, con las palabras que ese lector usa.
Repaso antes de enviar
Seis comprobaciones con el CV terminado. Cada una se corrige en menos de diez minutos.
- La primera experiencia visible corresponde a la lectura que espera la oferta.
- Cada línea contiene un problema, una decisión y un resultado observable.
- Ninguna cifra que no pudiera explicar en una entrevista.
- La sección de competencias distingue lo que practico de lo que solo he tocado.
- Los proyectos personales enlazados son accesibles y están documentados.
- Un lector no técnico entiende en treinta segundos qué sé resolver.
Para recordar
- Dos familias de puestos, dos lecturas: producto/integración o modelo/experimentación.
- La oferta indica cuál se espera: mira el dato, la producción y los entregables que menciona.
- Reordenar y reformular casi siempre basta; reescribir la trayectoria ni sirve ni resulta creíble.
- Una línea útil contiene un problema, una decisión y un resultado observable.
- Dos versiones de CV por familia de puestos, no una por oferta.
- Oportunidades
- AI Engineering
- MLOps
- Evaluación