GERENTE DESARROLLO MODELOS DE RIESGO

Diseñar, desarrollar, implementar, monitorear y mantener modelos cuantitativos y de machine learning aplicados a la gestión de riesgos, especialmente riesgo crediticio, asegurando que los modelos sean estadísticamente robustos, técnicamente reproducibles, trazables, automatizables y operables en ambientes productivos bajo prácticas MLOps, CI/CD, gobierno de modelos, cumplimiento regulatorio y mejores prácticas de la industria.

El puesto debe garantizar que el ciclo de vida del modelo desde la adquisición y preparación de datos hasta el desarrollo, validación, despliegue, monitoreo y recalibración que genere soluciones analíticas confiables para la toma de decisiones en originación, seguimiento, cobranza, provisiones, estrés, rentabilidad ajustada por riesgo y gestión integral del portafolio

• Desarrollar modelos de riesgo de crédito para estimar probabilidad de incumplimiento, pérdida esperada, severidad, exposición, comportamiento de pago, deterioro de cartera, cobranza y otras métricas relevantes para la gestión del riesgo.
• Diseñar, entrenar y evaluar modelos estadísticos y de machine learning, incluyendo regresión logística, árboles de decisión, random forest, gradient boosting, XGBoost, LightGBM, modelos de series temporales, modelos de segmentación y técnicas avanzadas de analítica predictiva que estén a la vanguardia del mercado.
• Construir pipelines analíticos reproducibles para extracción, limpieza, transformación, validación, entrenamiento, evaluación y monitoreo de modelos, utilizando lenguajes como Python, R, SQL y herramientas de automatización.
• Implementar buenas prácticas de MLOps para el ciclo de vida de modelos, incluyendo versionamiento de código, datos, features, parámetros, artefactos, métricas, documentación, experimentos y entregables técnicos.
• Diseñar e implementar flujos CI/CD para modelos, asegurando integración continua, pruebas automáticas, despliegue controlado, trazabilidad de cambios, rollback, control de versiones y segregación adecuada entre ambientes de desarrollo, pruebas y producción.
• Evaluar la calidad, consistencia, completitud y estabilidad de los datos utilizados en el desarrollo de modelos, incorporando controles automáticos de data quality, validaciones de consistencia y monitoreo de variables críticas.
• Diseñar procesos de selección, transformación y monitoreo de variables, incluyendo análisis univariante, multivariante, poder predictivo, estabilidad poblacional, drift, correlación, interpretabilidad y consistencia económica.
• Implementar modelos en sistemas productivos u operativos, coordinando con tecnología, riesgo, negocio y data engineering para asegurar su correcta integración, uso, monitoreo y mantenimiento.
• Monitorear el desempeño de modelos en producción, evaluando estabilidad, calibración, poder discriminante, drift de datos, drift de conceptos, deterioro predictivo, cambios en población y alertas tempranas de pérdida de efectividad.
• Ejecutar backtesting, benchmarking, análisis challenger y pruebas de sensibilidad, con el fin de asegurar la robustez de los modelos y detectar oportunidades de recalibración, rediseño o sustitución.
• Realizar recalibraciones, ajustes metodológicos y actualizaciones de modelos ante cambios en comportamiento de cartera, entorno macroeconómico, variables de entrada, apetito de riesgo, estrategia comercial o regulación.
• Desarrollar librerías, scripts, módulos y herramientas analíticas reutilizables que permitan automatizar procesos de modelamiento, validación, monitoreo, reportería técnica y generación de evidencia.
• Documentar técnicamente los modelos y sus componentes, incluyendo supuestos, fuentes de datos, metodología, arquitectura, variables, métricas, limitaciones, pruebas, criterios de aceptación, monitoreo y lineamientos de uso.
• Diseñar estándares técnicos para el desarrollo y uso de modelos, promoviendo buenas prácticas de programación, control de versiones, revisión de código, reproducibilidad, seguridad, trazabilidad y gobierno del ciclo de vida del modelo.
• Participar en auditorías internas, validaciones independientes, revisiones regulatorias y comités de riesgo, proporcionando evidencia técnica sólida sobre el diseño, desempeño, implementación y monitoreo de modelos.
• Investigar nuevas metodologías de modelamiento, machine learning, inteligencia artificial y MLOps, evaluando su aplicabilidad en la gestión de riesgos y su adopción responsable dentro del banco.
• Capacitar y acompañar a usuarios internos en el uso, interpretación, alcance, limitaciones y monitoreo de los modelos, promoviendo decisiones basadas en evidencia analítica y criterios de riesgo.
• Participar en proyectos estratégicos de transformación analítica, integrando modelos de riesgo con iniciativas de digitalización, automatización, inteligencia de negocio, originación digital, cobranza inteligente y gestión avanzada de portafolios.
• Presentar hallazgos y recomendaciones al líder para asegurar que las decisiones sobre modelos se basen en evidencia técnica sólida y alineadas con los objetivos estratégicos del negocio.
• Realizar análisis de sensibilidad y escenarios de estrés para anticipar impactos financieros bajo condiciones adversas, fortaleciendo la resiliencia del portafolio y la planificación de capital.
• Contribuir al cálculo de provisiones por pérdidas crediticias para apoyar la estimación contable bajo normativas, fortaleciendo la gestión financiera y la planificación de reservas.
• Diseñar políticas y estándares de modelos de riesgo para establecer criterios técnicos, metodológicos y de gobernanza que orienten el desarrollo y uso de modelos en la organización

• Requerida: Grado universitario en: Licenciado en Ingeniería Estadística Matemáticas Economía Ciencias de Datos u otras disciplinas cuantitativas.
• Maestría (Deseable, no requisito): Analítica Avanzada Ciencia de Datos Especializaciones en áreas cuantitativas o de riesgo Conocimientos Técnicos Específicos: Desarrollo e implementación de modelos en ambientes productivos aplicando practicas MLOps (CI\CD) à Indispensable Deseados: Desarrollo y validación de modelos de riesgo crediticio (PD, LGD, EAD).
• Modelos de scoring (originación y comportamental).
• Aplicación de IFRS 9 (ECL).
• Técnicas estadísticas: regresión, GLM y análisis multivariado.
• Métricas de desempeño: KS, AUC, Gini, PSI y backtesting.
• Machine Learning aplicado a riesgo (árboles, boosting).
• Pruebas de estrés y análisis de escenarios.
• Gobierno y monitoreo de modelos (MRM).
• Herramientas Tecnológicas SQL Python o R Power BI o Tableau Excel avanzado Git (valorado) Spark o Cloud (valorado) Competencias Clave: Capacidad analítica Liderazgo Vision Estratégica Trabajo en equipo Organización y seguimiento Comunicación efectiva Orientación a resultados Adaptabilidad y aprendizaje continuo Atención al detalle Experiencia Requerida: 4+ años de experiencia en: Desarrollo e implementación de modelos en ambientes productivos aplicando
• prácticas de trabajo MLOps (CI\CD) Desarrollo y/o validación de modelos de riesgo crediticio (PD, LGD, EAD).
• Construcción de modelos de scoring para originación y/o comportamiento de cartera.
• Análisis y explotación de datos para la toma de decisiones crediticias.
• Monitoreo, calibración y mejora continua de modelos en producción.
• Aplicación de metodologías bajo IFRS 9 (ECL) y/o gestión de provisiones.
• Interacción con áreas de negocio, riesgo y/o entes regulatorios.