Wise AI Engineer: CV, palabras clave y entrevista

No sabes cómo adaptar tu CV de AI Engineer para que pase el filtro de Wise y te llamen a la entrevista. Es una empresa fintech con millones de clientes, buscan perfiles técnicos que resuelvan problemas reales a gran escala. Tu CV genérico de "apasionado por la IA" no sirve. Necesitas demostrar impacto y alinear tu experiencia con los desafíos específicos de Wise.

Este artículo te da las claves concretas. Cómo reescribir tu CV, qué palabras clave buscar en la oferta y cómo preparar las preguntas técnicas y de cultura. Sin promesas vacías, solo lo que funciona.

Entiende qué busca Wise en un AI Engineer#

Wise no es una startup experimentando con IA. Mueven miles de millones. Sus modelos tienen un impacto directo en el fraude, la detección de anomalías, la optimización de rutas de pago y la personalización. Buscan gente que construya sistemas fiables, no solo demos en Jupyter.

Esto se refleja en sus ofertas. No buscan "data scientists" que hagan EDA todo el día. Buscan ML Engineers o AI Engineers que desplieguen modelos en producción, monitoreen su rendimiento y mantengan pipelines de datos. La estabilidad y la escalabilidad son la prioridad.

Cómo adaptar tu CV paso a paso#

Tu CV es un documento técnico, no una carta de presentación. Debe ser claro, conciso y demostrar que sabes construir sistemas de IA que funcionan.

• Usa un formato limpio y legible. Los sistemas de seguimiento de candidatos (ATS) y los reclutadores lo agradecen. Puedes comprobar cómo lee tu CV una máquina con nuestra herramienta gratuita.
• Coloca tu experiencia laboral y proyectos relevantes al principio, después del resumen.
• Elimina secciones irrelevantes como "hobbies" o "objetivos personales" a menos que demuestren una habilidad técnica directamente aplicable.
• Enfoca cada punto en el impacto, no solo en la tarea. Usa el formato: Acción + Tecnología + Resultado.

Ejemplo práctico: reescribir un bullet point

El bullet genérico no dice nada sobre tu habilidad para resolver problemas de negocio.

Antes: "Desarrollé un modelo de detección de fraude con Python y Scikit-learn."

Después (enfocado en impacto y escala): "Implementé un pipeline de detección de fraude en tiempo real (sub 100ms) usando XGBoost y Spark Streaming, reduciendo las transacciones fraudulentas en un 15% en el trimestre Q3 2025."

El segundo bullet muestra velocidad (tiempo real), tecnologías específicas (XGBoost, Spark) y un resultado medible (15% de reducción). Esto es lo que un equipo como el de Wise quiere ver.

Las palabras clave que no pueden faltar en tu CV#

No pongas todas las tecnologías que has tocado. Lee la oferta de empleo de Wise con lupa. Usa nuestro decodificador de ofertas para extraer los términos clave que ellos mismos usan.

Por lo general, para un rol de AI Engineer en fintech, las palabras clave suelen ser:

• Machine Learning: Modelos de clasificación, detección de anomalías, series temporales, aprendizaje supervisado y no supervisado.
• MLOps: MLflow, Kubeflow, Airflow, Docker, Kubernetes, CI/CD para ML.
• Ingeniería de datos: Spark, Kafka, Flink, SQL, bases de datos NoSQL como Cassandra o Redis.
• Cloud: AWS (SageMaker, S3, EC2), GCP (Vertex AI, BigQuery) o Azure. Wise usa AWS principalmente.
• Lenguajes y frameworks: Python (esencial), PyTorch o TensorFlow, Scikit-learn, Pandas.
• Conceptos de negocio: Mitigación de riesgo, optimización de costes, experiencia de cliente, sistemas en producción.

Integra estas palabras de forma natural en la descripción de tus proyectos y responsabilidades. No hagas una lista técnobable.

Preparar la entrevista técnica y de cultura#

El proceso en Wise suele tener varias fases: screening con RRHH, una o dos entrevistas técnicas (coding y ML design) y una entrevista final de cultura.

Entrevista técnica: esperan código y sistemas

La parte de coding no es un concurso de LeetCode. Te plantearán problemas prácticos. Implementar un sistema de recomendación sencillo, diseñar un pipeline para entrenar y servir un modelo, o escribir código eficiente para procesar un stream de datos.

Te pedirán que pienses en la escalabilidad. ¿Cómo manejas 10 millones de usuarios? ¿Cómo monitoreas el drift de tu modelo? ¿Qué métricas usas para saber si el modelo está funcionando bien en producción?

Entrevista de cultura: el "Wise way"

Aquí no buscan que digas que te gusta trabajar en equipo. Te harán preguntas situacionales basadas en sus valores: "Customer first", "Build for scale", "Be direct, open and honest".

Prepara ejemplos concretos de tu trabajo anterior.

Pregunta típica: "Cuéntame de una vez que tuviste un desacuerdo técnico con un compañero. ¿Cómo lo resolviste?"

Una buena respuesta usa el método STAR (Situación, Tarea, Acción, Resultado):

"En mi proyecto anterior, mi compañero sugería usar un modelo de deep learning muy complejo para una tarea de clasificación de texto. Yo defendía un modelo más simple como una regresión logística con buenos features. Situación y Tarea: El deadline era ajustado y la interpretabilidad del modelo era clave para el equipo de negocio. Acción: No impuse mi opinión. Propuse que dedicáramos medio día a prototipar ambas soluciones con el mismo conjunto de validación. Mi prototipo simple dio un 95% de la precisión del suyo, pero era 50 veces más rápido de entrenar y mucho más fácil de explicar. Resultado: Presentamos ambos resultados al equipo y decidimos juntos que la solución simple era la mejor para el negocio en ese momento. Cumplimos el plazo."

Esta respuesta muestra pragmatismo, capacidad de trabajo en equipo y enfoque en el resultado del negocio.

Herramientas gratis#

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

Preguntas frecuentes#

¿Cuánto gana un AI Engineer en Wise?

Los salarios varían mucho según la ubicación (Barcelona, Tallin, Londres), la experiencia y el nivel. En Europa, los rangos reportados para roles de nivel medio suelen estar entre 60.000 y 90.000 euros brutos anuales, más beneficios como acciones. Te recomiendo consultar fuentes actualizadas como Glassdoor o Levels.fyi para tener datos más precisos en la ciudad que te interese.

¿Necesito tener experiencia en fintech para que me contraten?

No es un requisito estricto, pero sí es un plus enorme. Si no la tienes, enfócate en demostrar que has trabajado en sistemas de alta disponibilidad y con grandes volúmenes de datos. Cualquier experiencia en entornos donde el error tiene un coste alto (e-commerce, adtech, seguridad) es muy transferible.

¿Qué tecnologías específicas usa el equipo de ML de Wise?

Basándonos en ofertas de empleo públicas y charlas de sus ingenieros, utilizan mucho Python, Spark, Airflow y AWS (SageMaker, ECS). Son muy pragmáticos y eligen la herramienta que mejor se adapte al problema. No esperes que usen un stack exótico; la fiabilidad y el conocimiento del equipo son prioritarios.

¿El proceso de selección es muy largo?

Suele durar entre 3 y 5 semanas desde el primer contacto hasta la oferta final. Incluye una llamada con RRHH, una o dos entrevistas técnicas (a veces con una prueba en casa) y la entrevista final de cultura. La comunicación suele ser bastante clara y directa, acorde con su cultura.

¿Cómo puedo destacar si mi CV no tiene proyectos de IA en producción?

Crea proyectos personales que simulen un entorno real. No subas solo un notebook a GitHub. Construye un pipeline completo: ingesta de datos, entrenamiento, evaluación, y despliegue del modelo como una API simple (usando FastAPI, por ejemplo). Documenta bien el README y explica las decisiones que tomaste. Esto demuestra que piensas como un ingeniero, no solo como un analista. Puedes buscar ideas en nuestro blog.