MIDDLE AI Operations Lead
Pubblicato il 17-09-2026 - Italgas in Varese
Overview
È pronto/a a candidarsi? Si assicuri di aver compreso tutte le responsabilità e i compiti associati a questo ruolo prima di procedere.
In questo ruolo coordini la messa in produzione e l'operatività delle soluzioni Data & AI. Sarai punto di riferimento tecnico per l'intero ciclo di vita di AI, dal deployment al monitoraggio, fino al troubleshooting, garantendo affidabilità e prestazioni in produzione. Lavorerai in un contesto Data & AI in crescita, collaborando con team trasversali e fornitori esterni.
L'opportunità mette al centro la trasformazione digitale e l'innovazione nel gruppo Italgas, con focus su governance dati, sicurezza e ottimizzazione dei costi. Unisci impatto operativo, miglioramento continuo e occasione di formazione avanzata in una realtà enterprise.
Retribuzione / Benefits
- crescita professionale
- ambiente innovativo
- formazione continua su tecnologie emergenti
- smart working
- piano di Azionariato Diffuso
- welfare aziendale
Responsabilità
- Presidiare la messa in produzione di soluzioni AI e Data su Azure e Databricks, incluse deployment, configurazione e validazione.
- Gestire pipeline dati e modelli in produzione: monitoraggio, alerting, troubleshooting e incident resolution.
- Implementare e manutenere processi AI/MLOps e DataOps: versioning modelli,
CI/CD, retraining schedulato e rilevamento drift.
- Garantire Data Governance e Security in produzione (Unity Catalog, Row-Level Security, lineage).
- Capacity planning e ottimizzazione costi su cloud; identificare inefficienze e proporre miglioramenti.
- Coordinarsi con fornitori e team interni come riferimento tecnico operativo della AI factory.
Requisiti fondamentali
- Esperienza 4–6 anni in ruoli operativi Data & AI in contesti enterprise.
- Laurea in discipline affini (informatica, ingegneria, matematica, fisica).
- Conoscenza approfondita di Azure e Databricks (Lakehouse, Unity Catalog, Delta Lake, Workflows).
- Esperienza con strumenti MLOps (MLflow, Unity Catalog) e pratiche CI/CD per data/AI pipelines.
- Python, SQL e scripting (Bash, PowerShell).
- Esperienza ETL/ELT batch e streaming (Azure Data Factory, Spark Structured Streaming, Kafka).
- Conoscenza architetture dati moderne (Data Lakehouse, Data Mesh, Data Warehouse).
- Monitoring e observability (Azure Monitor, Grafana, log analytics). xkiyazw
- Docker e Kubernetes.
- forte senso di ownership
- autonomia operativa
- approccio metodico
- Azure
- Databricks
- MLOps (MLflow, Unity Catalog)