KPMG AI Engineer: CV, palabras clave y entrevista

El CV que te funcionó para una startup de IA no te va a servir para KPMG. Y el que mandaste a una Big Four hace dos años ya está desactualizado. Las firmas de consultoría tienen filtros específicos y buscan perfiles que hablen su idioma: riesgo, cumplimiento, escalabilidad y cliente final.

Olvida los genéricos "apasionado por la IA". Aquí el valor se mide en impacto de negocio, eficiencia y mitigación de riesgos. Vamos a ver cómo ajustar tu perfil para que pase el primer cribado y te sientes con confianza en la entrevista.

Cómo KPMG lee tu CV#

Los reclutadores de grandes firmas no leen. Escanean. Buscan patrones: tecnologías concretas, sectores regulados (banca, seguros, energía) y verbos de acción ligados a resultados. Tu CV debe gritar "soluciono problemas complejos en entornos corporativos" en los primeros diez segundos.

Si ya has trabajado en proyectos para clientes de consultoría, destaca eso. Si no, enfoca tu experiencia en cómo tus modelos o sistemas resolvieron una necesidad de negocio real: reducir costes, automatizar un proceso, detectar fraude.

Palabras clave que pasan el filtro ATS#

KPMG, como todas las Big Four, usa sistemas de seguimiento de candidatos (ATS). Si tu CV no tiene las palabras clave correctas, ni siquiera llega a un humano. No pongas solo "Python" y "TensorFlow". Añade términos de dominio y herramientas de MLOps.

Revisa la descripción del puesto con atención. Un truco rápido es usar una herramienta como el decodificador de ofertas de empleo para extraer los términos que más se repiten. Luego, integra esos términos de forma natural en tus experiencias.

• Python (Pandas, Scikit-learn, PyTorch, TensorFlow)
• MLOps (MLflow, Kubeflow, Airflow, Docker, Kubernetes)
• Cloud platforms (AWS SageMaker, Azure ML, GCP Vertex AI)
• NLP y LLMs (fine-tuning, RAG, transformers, Hugging Face)
• Model governance, fairness, explainability (XAI)
• SQL y bases de datos NoSQL (MongoDB, Cassandra)
• Agile, Scrum, CI/CD para ML
• Experiencia en sectores regulados (banca, seguros, energía)

Antes de enviar, comprueba que tu CV es legible por los sistemas automáticos. Pásalo por el verificador de compatibilidad con ATS para detectar problemas de formato o secciones malinterpretadas.

Ejemplo práctico de un bullet en tu CV#

La mayoría de los candidatos escriben bullets genéricos. "Desarrollé un modelo de machine learning". Eso no dice nada. Un buen bullet para KPMG sigue esta estructura: qué problema resolviste, qué técnica usaste y qué resultado medible obtuviste.

Antes (genérico): "Responsable de la creación de modelos de predicción para el departamento de ventas."

Después (orientado a KPMG): "Diseñé y desplegué un modelo de churn prediction con XGBoost en AWS SageMaker, reduciendo la tasa de cancelación de clientes en un 12% en seis meses y ahorrando unos 150.000 euros anuales estimados."

El segundo bullet es específico. Nombra la técnica (XGBoost), la plataforma (AWS SageMaker), el resultado de negocio (reducción de churn) y una cifra cuantificada. Si no tienes cifras exactas, usa estimaciones razonables ("estimado en", "aproximadamente").

Preparar la entrevista técnica y de caso#

En KPMG no te van a preguntar solo sobre redes neuronales. Esperan que entiendas el ciclo de vida completo de un proyecto de IA en producción y que puedas explicar decisiones técnicas a un cliente no técnico. La entrevista suele tener tres partes.

Primero, preguntas técnicas sobre tus proyectos. Segundo, un caso de negocio donde debes proponer una solución de IA. Tercero, preguntas de comportamiento (behavioral) para evaluar si encajas en su cultura de trabajo colaborativo.

Ejemplo de pregunta de caso y respuesta

Pregunta: "Un banco nos pide reducir los falsos positivos en su sistema de detección de fraude, que actualmente bloquea el 5% de las transacciones legítimas. ¿Cómo abordarías el problema?"

Respuesta: "Primero, entendería el flujo de trabajo actual y las fuentes de datos. Luego, analizaría las transacciones marcadas como falsos positivos para buscar patrones comunes. Propondría un enfoque en dos fases: en la fase uno, reentrenar el modelo actual con features adicionales de comportamiento del usuario y usando técnicas como SMOTE para balancear las clases. En la fase dos, implementaría un sistema de scoring secundario con un umbral de decisión más bajo para las transacciones de bajo riesgo. Mediríamos el éxito con la reducción del ratio de falsos positivos manteniendo la tasa de detección de fraude real por encima del 99%. El despliegue lo haría con un A/B test controlado durante un mes antes del cambio completo."

Esta respuesta muestra un pensamiento estructurado, conocimiento de técnicas específicas (SMOTE, A/B test) y enfoque en el resultado de negocio (reducir falsos positivos sin perder fraude real).

El factor Big Four: qué buscan además de código#

En una firma como KPMG, la habilidad técnica es la entrada. Lo que te diferencia es la capacidad de comunicar, gestionar stakeholders y trabajar en equipos multidisciplinares. Prepárate para preguntas como "Cuéntame una vez que tuviste que explicar un concepto técnico complejo a un directivo" o "Describe un conflicto en un proyecto y cómo lo resolviste".

Usa el método STAR (Situación, Tarea, Acción, Resultado) para estructurar tus respuestas. Sé honesto sobre los fracasos y lo que aprendiste. Las Big Four valoran la resiliencia y la capacidad de aprender rápido.

Dónde buscar estas ofertas#

Las vacantes de KPMG y otras consultoras se publican en sus portales corporativos, pero también en bolsas de empleo generales. Para ver un listado actualizado de puestos de ingeniería de IA, incluyendo los de grandes consultoras, puedes revisar las ofertas de empleo en IA disponibles.

Y si quieres seguir preparándote, en nuestro blog sobre búsqueda de empleo hay más artículos sobre cómo destacar en procesos de selección técnicos.

Preguntas frecuentes#

¿Qué salario tiene un AI Engineer en KPMG?

Los rangos varían mucho según la ciudad (Madrid, Barcelona), el nivel de experiencia y si es un puesto de consultoría o interno. En España, para perfiles mid-level, las cifras reportadas suelen oscilar entre 45.000 y 65.000 euros brutos anuales. Consulta siempre las fuentes oficiales y de portales de empleo actualizados para datos precisos.

¿Necesito tener experiencia en consultoría para entrar?

No es obligatorio, pero ayuda. Si vienes de producto o startup, enfoca tu CV en proyectos con impacto directo en negocio, escalabilidad y trabajo con equipos diversos. La experiencia en sectores regulados (banca, seguros) es un plus grande.

¿Qué tecnologías son más valoradas?

Además de Python y los frameworks de ML, valoran mucho las herramientas de MLOps (MLflow, Kubeflow, Airflow) y experiencia en cloud (AWS, Azure, GCP). El conocimiento de LLMs, RAG y técnicas de fine-tuning está en auge. No subestimes SQL y las bases de datos.

¿Cuánto dura el proceso de selección?

Suele ser largo: entre cuatro y ocho semanas desde la primera entrevista hasta la oferta. Incluye varias rondas: screening de RRHH, entrevista técnica, caso práctico y entrevista final con un socio o director. La paciencia es clave.

¿Piden idiomas?

Para posiciones en España, el inglés es casi siempre obligatorio (nivel B2 mínimo, muchos piden C1). El español nativo o casi nativo es imprescindible para roles con clientes locales. En algunos casos, otro idioma (francés, alemán) es un diferenciador.