PwC AI Engineer: CV, palabras clave y entrevista

Llevas semanas puliendo tu CV y la oferta de PwC AI Engineer sigue apareciendo en tu cabeza. Es un rol ambicioso. Y el proceso de selección, como en las Big Four, tiene sus propias reglas.

No es solo saber de modelos. Es demostrar que puedes entregar soluciones de negocio. Vamos a desglosar cómo preparar tu candidatura, desde el documento hasta la última pregunta de la entrevista.

Qué busca PwC en un AI Engineer#

Olvida el rol de investigador en un laboratorio. PwC no busca a alguien que publique papers, sino a alguien que resuelva problemas de clientes con inteligencia artificial. El enfoque es práctico y orientado a resultados.

Esto significa que valoran la capacidad de traducir una necesidad de negocio en una solución técnica viable. Tu trabajo será construir, desplegar y mantener sistemas de IA que generen valor real, ya sea automatizando procesos o extrayendo información de datos complejos.

Es un rol de consultoría técnica. Necesitas entender el "por qué" detrás del proyecto tanto como el "cómo" técnico. La comunicación y la gestión de stakeholders son tan importantes como tu dominio de Python.

Cómo adaptar tu CV para que pase el filtro#

El primer filtro casi siempre es un sistema de seguimiento de candidatos (ATS). Si tu CV no está optimizado, ni siquiera será leído por una persona. La clave está en las palabras clave y en la estructura.

Usa la descripción de la oferta como tu guía. Identifica los términos técnicos y las competencias que mencionan repetidamente. Son las palabras clave que el ATS buscará.

Para asegurarte de que tu CV tiene el formato y las palabras clave adecuadas, puedes usar herramientas gratuitas como el comprobador de CV compatible con ATS. Te dará un feedback rápido sobre posibles problemas.

Ejemplo práctico de un bullet point

Un error común es listar tareas genéricas. En lugar de "Mejoré el rendimiento de un modelo", necesitas especificidad. Usa la estructura Acción + Contexto + Resultado.

Antes: "Mejoré la precisión del modelo de detección de fraude".

Después: "Refactoricé el pipeline de preprocesamiento y optimicé los hiperparámetros de un modelo XGBoost, aumentando la precisión (AUC) de 0.82 a 0.91, lo que redujo los falsos positivos en un 15% para el cliente del sector bancario".

El segundo ejemplo demuestra tecnología (XGBoost), una acción concreta y un resultado medible con impacto en el negocio. Eso es lo que un reclutador de PwC quiere ver.

Checklist para tu CV

• Personaliza el resumen profesional para cada oferta, mencionando el rol y la empresa.
• Incluye una sección de "Habilidades Técnicas" clara con lenguajes, frameworks (TensorFlow, PyTorch), y plataformas cloud (AWS, Azure, GCP).
• Cuantifica tus logros siempre que puedas. Usa porcentajes, cifras de ahorro o escalas de mejora.
• Mantén el diseño limpio, sin columnas complejas o gráficos que confundan al ATS.
• Revisa la ortografía. Un error en un CV de un ingeniero de datos es una señal de alerta.

Las palabras clave que no pueden faltar#

Más allá de "Python" o "Machine Learning", PwC busca un perfil concreto. Sus proyectos suelen estar ligados a la transformación digital y la analítica avanzada para grandes corporaciones.

Busca palabras clave relacionadas con MLOps, ya que la puesta en producción y el mantenimiento de modelos son críticos. Piensa en "CI/CD para ML", "Docker", "Kubernetes" y plataformas como "MLflow" o "Kubeflow".

También son muy relevantes las competencias en Procesamiento del Lenguaje Natural (NLP) y Visión por Computadora, dependiendo del área. Y no olvides el cloud. Dominar servicios de IA en Azure (un socio estratégico de PwC), AWS o GCP es un gran diferenciador.

Puedes analizar varias ofertas de PwC para entender qué tecnologías priorizan. El decodificador de descripciones de puesto puede ayudarte a extraer las palabras clave más importantes de cada una de ellas.

Preparar la entrevista técnica y de caso#

La entrevista en PwC no será solo una prueba de código. Tendrás que demostrar tu proceso de pensamiento. Prepárate para hablar de proyectos de principio a fin.

En la parte técnica, esperan que expliques por qué elegiste un modelo, cómo manejaste los datos desbalanceados o qué métricas usaste para evaluarlo. No es solo la respuesta, sino el razonamiento.

La parte de caso de negocio es clave. Te darán un problema de negocio simplificado ("Un banco quiere reducir el fraude en tarjetas de crédito") y tendrás que proponer una solución técnica. Debes estructurar tu respuesta: definir el problema, proponer una metodología, hablar de los datos necesarios y mencionar posibles métricas de éxito.

Ejemplo de respuesta en una entrevista de caso

Pregunta: "Un cliente de retail quiere personalizar las ofertas que envía por email. ¿Cómo lo abordarías?"

Una buena respuesta estructurada: "Primero, definiría el objetivo de negocio con claridad: ¿es aumentar el ticket medio, la tasa de conversión o la retención? Asumamos que es la conversión. Mi propuesta técnica sería un sistema de recomendación. Empezaríamos con un enfoque colaborativo simple (filtrado basado en usuarios) porque es rápido de implementar. Para los datos, necesitaríamos el historial de compras y los clicks en emails. El MVP se podría desplegar como un script batch que genera una lista de recomendaciones diaria. Para medir el éxito, haríamos un test A/B, comparando la tasa de conversión del grupo con recomendaciones contra un grupo de control. Si el lift es positivo, iteraríamos hacia modelos más complejos como los basados en contenido".

Esta respuesta muestra pensamiento estructurado, enfoque en el valor de negocio y pragmatismo técnico. Es exactamente lo que buscan.

El mercado en España y Latam: expectativas salariales#

Hablar de salarios es delicado porque varían mucho. En España, un AI Engineer con experiencia en una firma como PwC puede esperar rangos que oscilan entre los 40.000€ y los 65.000€ brutos anuales, dependiendo de la experiencia y la ciudad. En Latam, los rangos son muy diferentes según el país y si la contratación es local o para un cliente internacional.

Estos números son orientativos, basados en datos públicos y reportes de la comunidad. Nunca son una garantía. Mi consejo es que investigues en portales de empleo locales y uses esos datos como referencia en la negociación, pero siempre verifica la información oficial y actualizada.

Para encontrar ofertas que se ajusten a tu perfil y a la región donde buscas trabajo, puedes usar el buscador de empleo con filtros específicos.

Herramientas gratis#

• chequeo ATS gratis
• decodificador de ofertas
• empleos
• blog

Preguntas frecuentes#

¿Necesito un máster o un doctorado para este puesto?

No es un requisito excluyente, pero sí es común. PwC valora mucho la experiencia práctica demostrable. Un buen portfolio de proyectos en GitHub puede pesar tanto como un título de máster, especialmente si demuestra impacto real.

¿Qué diferencia a un AI Engineer en PwC de uno en una startup?

El contexto. En PwC trabajarás en proyectos para grandes clientes, lo que implica más estructura, procesos de gobernanza de datos y un fuerte enfoque en la escalabilidad y la seguridad. En una startup, el ritmo suele ser más rápido y el alcance más experimental.

¿Cuánto dura el proceso de selección?

Suele ser largo. Desde la primera entrevista hasta la oferta final pueden pasar entre 4 y 8 semanas. Incluye varias rondas: entrevista de recursos humanos, técnica, caso de negocio y, a veces, una entrevista final con un socio.

¿Debo mencionar proyectos personales o solo experiencia laboral?

Ambos. Los proyectos personales demuestran pasión y curiosidad, especialmente si usan tecnologías relevantes. La experiencia laboral muestra que puedes trabajar en equipo y entregar en un entorno profesional. Un buen CV combina los dos.

¿Es importante saber sobre ética de la IA y regulación?

Cada vez más. PwC asesora a sus clientes sobre el cumplimiento normativo (como la UE AI Act) y la implementación responsable de la IA. Mencionar conocimientos en gobernanza de IA, explicabilidad de modelos (XAI) o sesgo algorítmico es un plus muy valorado.