MIDDLE AI Operations Lead

Pubblicato il 19-11-2026 · Italgas · Monza

Overview 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 opportunità di formazione avanzata in una realtà enterprise.

Retribuzione / Benefits

crescita professionale ambiente innovativo aggiornamento continuo su tecnologie emergenti lavoro da remoto 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). Docker e Kubernetes. forte senso di ownership autonomia operativa approccio metodico Azure Databricks MLOps (MLflow, Unity Catalog)
Max. 8 MB. Formati Accettati: PDF, RTF, DOC, DOCX, ODT.