Arquitecto principal de datos de IA industrial - Remoto en EE. UU. (Columbus, OH, EE. UU.)
Principal Industrial AI Data Architect - US Remote (Columbus, OH, US)
- Remoto (EE. UU.)
- El empleador no indicó el salario
- Tiempo completo
- Publicado hace 1 día
Se postulará en el sitio web original.
Sobre este empleo
Descripción general de la empresa
Imagina todo. Construye el futuro con Hexion.
En Hexion, superamos límites, replanteamos posibilidades y generamos un impacto real. Activamos la ciencia para impulsar el progreso: desarrollamos soluciones innovadoras que fortalecen las industrias, protegen a las comunidades e impulsan un futuro más sostenible.
Este es el lugar donde pensadores audaces, solucionadores de problemas e innovadores se unen para dar forma a lo que viene. Ya sea que diseñes materiales avanzados, transformes tecnologías de fabricación o lideres la innovación estratégica, tus ideas y acciones dejan una huella duradera. Fomentamos una cultura inclusiva de crecimiento, colaboración y responsabilidad, y nos aseguramos de que cada contribución nos impulse hacia adelante.
No seguimos el statu quo: lo cuestionamos, lo transformamos y lo mejoramos. Cada puesto en Hexion forma parte de algo más grande.
Invertimos en innovación, sostenibilidad y desarrollo continuo, y te proporcionamos las herramientas, la capacitación y las oportunidades para que alcances el éxito. Con un compromiso inquebrantable con la seguridad, la colaboración, la inclusión y el impacto, te damos las herramientas para liderar el cambio y fortalecer industrias en todo el mundo.
Tu futuro comienza aquí.
Si estás listo para superar límites, reimaginar lo posible y crear algo extraordinario, Hexion es el lugar para ti.
Todo es posible cuando lo imaginas todo.
Descripción del puesto
El Arquitecto principal de datos de IA industrial es responsable de diseñar y gobernar la arquitectura de datos que permite una IA confiable y escalable en entornos industriales.
Este puesto garantiza que:
Las canalizaciones de datos estén alineadas con el modelo semántico canónico
Las características utilizadas en los modelos de IA sean coherentes durante el entrenamiento y en tiempo de ejecución
Los datos industriales estén estructurados para la inferencia en tiempo real y el análisis a largo plazo
Este puesto sirve de enlace entre los datos, la semántica y la ejecución de IA.
Responsabilidades del puesto
1. Definir la arquitectura de datos industriales para IA
Diseñar flujos de datos integrales desde:
Sistemas perimetrales → nube → canalizaciones de IA → inferencia en el perímetro
Definir:
- Patrones de almacenamiento de datos (series temporales, relacional, basado en eventos)
- Estrategias de movimiento y transformación de datos
Garantizar que la arquitectura admita:
- Procesamiento en tiempo real
- Análisis por lotes
- Integración del ciclo de vida de los modelos
2. Diseñar canalizaciones de características y su entrega a los modelos de IA
Diseñar y gobernar las canalizaciones, el almacenamiento y el ciclo de vida que permiten crear y entregar características a los modelos de IA, con base en las definiciones canónicas establecidas por el Arquitecto principal de fabricación y semántica.
- Definir canalizaciones de ingeniería de características para entornos de entrenamiento (nube) y de inferencia (perímetro)
- Garantizar la coherencia entre los conjuntos de datos de entrenamiento y los datos de inferencia en tiempo de ejecución
- Evitar la desviación de características y las discrepancias en los datos mediante validación automatizada
3. Integrar el modelo semántico con las canalizaciones de datos
Traducir las definiciones semánticas canónicas a:
- Modelos de datos físicos
- Esquemas
- Canalizaciones
Garantizar que todas las estructuras de datos cumplan con:
- Los estándares empresariales
- Los contratos de la plataforma
Responsabilidades adicionales del puesto
4. Facilitar la integración escalable de modelos de IA
Definir las interfaces de datos que necesitan:
- Los equipos internos de IA
- Los proveedores externos de modelos
Brindar apoyo para:
- El control de versiones de modelos
- La compatibilidad de características
- La validación del rendimiento
5. Diseñar para casos de uso de múltiples inquilinos y productos
Garantizar que las canalizaciones de datos y los patrones de acceso admitan entornos de múltiples inquilinos, incluidos:
- El aislamiento de los datos de los clientes y controles de acceso seguros
- La incorporación escalable de nuevos inquilinos y casos de uso
- La reutilización de canalizaciones de datos entre clientes e implementaciones
Nota: El modelo de datos subyacente para múltiples inquilinos está gobernado por el Arquitecto principal de fabricación y semántica.
6. Colaborar con distintos equipos
Colaborar con:
- El Arquitecto principal de fabricación y semántica (definición del modelo canónico y semántica de características)
- El Arquitecto principal de perímetro y OT (ingesta de datos en el perímetro y requisitos de datos para inferencia)
- Ingeniería de plataformas (implementación e infraestructura)
- Los equipos de IA y ciencia de datos (requisitos y validación de modelos)
Garantizar una ejecución coherente en todos los ámbitos.
Competencias
Sólidas habilidades de diseño de sistemas y modelado de datos
Capacidad para conectar los requisitos empresariales, operativos y de IA
Gran atención a la coherencia e integridad de los datos
Colaboración interdisciplinaria
Requisitos mínimos
- Licenciatura en Ciencias de la Computación, Ingeniería o un campo relacionado (se prefiere una maestría)
- Más de 10 años de experiencia en arquitectura de datos, sistemas de datos industriales o plataformas de IoT
- Sólida experiencia con datos de series temporales (por ejemplo, sistemas historiadores), canalizaciones de datos y ETL/ELT
- Sólida experiencia con sistemas de datos distribuidos
- Comprensión de los requisitos de datos de IA/ML y de los conceptos de ingeniería de características
Expectativas de liderazgo
- Actuar como líder de opinión en arquitectura de datos industriales y estrategia de datos de IA
- Influir sin autoridad directa en varios equipos y socios
- Impulsar la adopción de estándares para las canalizaciones de datos y las prácticas de datos de IA entre las partes interesadas internas y externas
- Equilibrar la visión arquitectónica a largo plazo con las necesidades de entrega a corto plazo
Entorno de trabajo y viajes
- Viajar a plantas de fabricación y ubicaciones de socios según sea necesario (~10–25%).
Resumen en una línea
- Diseñar la arquitectura de datos que garantice que los modelos de IA funcionen correctamente, de forma coherente y a escala en entornos industriales.
Requisitos preferidos
Experiencia con:
- IoT industrial o plataformas de perímetro a nube
- Sistemas de fabricación (integración de OT + IT)
- Plataformas de datos en la nube (se prefiere AWS)
Familiaridad con:
- Arquitecturas de transmisión de datos
- Sistemas basados en eventos
- Marcos de gobernanza de datos
Otros
Somos un empleador que ofrece igualdad de oportunidades y acción afirmativa. Todas las personas candidatas que reúnan los requisitos serán consideradas para el empleo sin distinción de género, embarazo, raza, nacionalidad, religión, edad, orientación sexual, identidad de género, condición de veterano o militar, condición de persona calificada con discapacidad ni ninguna otra característica protegida por la ley.
Para ser consideradas para este puesto, las personas candidatas deben presentar una solicitud de empleo a través de nuestro sitio de carreras profesionales y tener al menos 18 años de edad. Toda oferta de empleo estará sujeta a la aprobación de una prueba de drogas y una investigación de antecedentes, así como a la autorización para que la Empresa realice verificaciones periódicas adicionales de antecedentes según lo exijan las Chemical Facility Anti-Terrorism Standards (CFATS), los reglamentos adoptados por el Department of Homeland Security u otras agencias reguladoras. Un antecedente penal previo no constituye una descalificación automática para el empleo, y la Empresa realizará una evaluación y reevaluación individualizadas, de conformidad con la legislación aplicable, antes de tomar cualquier decisión final de empleo.
Publicado originalmente en Himalayas
Anuncio original en inglés
Company Overview
Imagine Everything. Build the Future with Hexion.
At Hexion, we push boundaries, rethink possibilities, and create real impact. We activate science to deliver progress—developing breakthrough solutions that strengthen industries, protect communities, and drive a more sustainable future.
This is where bold thinkers, problem-solvers, and innovators come together to shape what’s next. Whether you're engineering advanced materials, transforming manufacturing technologies, or leading strategic innovation, your ideas and actions leave a lasting mark. We cultivate an inclusive culture of growth, collaboration, and accountability, ensuring every contribution propels us forward.
We don’t follow the status quo—we challenge it, disrupt it, and improve it. Every role at Hexion is part of something bigger.
We invest in innovation, sustainability, and continuous development—equipping you with the tools, training, and opportunities to excel. With an unwavering commitment to safety, partnership, belonging, and impact, we empower you to lead change and strengthen industries worldwide.
Your Future Starts Here.
If you’re ready to push limits, reimagine what’s possible, and create the extraordinary, Hexion is where you belong.
Anything is possible when you imagine everything.
Position Overview
The Principal Industrial AI Data Architect is responsible for designing and governing the data architecture that enables reliable, scalable AI across industrial environments.
This role ensures that:
Data pipelines are aligned with the canonical semantic model
Features used in AI models are consistent across training and runtime
Industrial data is structured for real-time inference and long-term analytics
This role is the bridge between data, semantics, and AI execution.
Job Responsibilities
1. Define Industrial Data Architecture for AI
Design end-to-end data flows from:
Edge systems → cloud → AI pipelines → edge inference
Define:
- Data storage patterns (time-series, relational, event-based)
- Data movement and transformation strategies
Ensure architecture supports:
- Real-time processing
- Batch analytics
- Model lifecycle integration
2. Design Feature Pipelines and Delivery for AI Models
Design and govern the pipelines, storage, and lifecycle that build and deliver features to AI models, based on canonical definitions established by the Principal Manufacturing & Semantic Architect.
- Define feature engineering pipelines for both training (cloud) and inference (edge) environments
- Ensure consistency between training datasets and runtime inference data
- Prevent feature drift and data mismatch through automated validation
3. Integrate Semantic Model with Data Pipelines
Translate canonical semantic definitions into:
- Physical data models
- Schemas
- Pipelines
Ensure all data structures conform to:
- Enterprise standards
- Platform contracts
Additional Job Responsibilities
4. Enable Scalable AI Model Integration
Define data interfaces required by:
- Internal AI teams
- External model providers
Support:
- Model versioning
- Feature compatibility
- Performance validation
5. Design for Multi-Tenant and Product Use Cases
Ensure data pipelines and access patterns support multi-tenant environments, including:
- Customer data isolation and secure access controls
- Scalable onboarding of new tenants and use cases
- Reuse of data pipelines across customers and deployments
Note: The underlying data model for multi-tenancy is governed by the Principal Manufacturing & Semantic Architect.
6. Collaborate Across Teams
Partner with:
- Principal Manufacturing & Semantic Architect (canonical model definition and feature semantics)
- Principal Edge & OT Architect (edge data ingestion and inference data requirements)
- Platform Engineering (implementation and infrastructure)
- AI/Data Science teams (model requirements and validation)
Ensure consistent execution across domains.
Competencies
Strong system design and data modeling skills
Ability to connect business, operational, and AI requirements
High attention to data consistency and integrity
Cross-functional collaboration
Minimum Qualifications
- Bachelor's degree in Computer Science, Engineering, or related field (Master's preferred)
- 10+ years of experience in data architecture, industrial data systems, or IoT platforms
- Strong experience with time-series data (e.g., historian systems), data pipelines, and ETL/ELT
- Strong experience with distributed data systems
- Understanding of AI/ML data requirements and feature engineering concepts
Leadership Expectations
- Operate as a thought leader in industrial data architecture and AI data strategy
- Influence without direct authority across multiple teams and partners
- Drive standards adoption for data pipelines and AI data practices across internal and external stakeholders
- Balance long-term architectural vision with near-term delivery needs
Work Environment & Travel
- Travel to manufacturing sites and partner locations as needed (~10–25%).
One-Line Summary
- Design the data architecture that ensures AI models operate correctly, consistently, and at scale across industrial environments.
Preferred Qualifications
Experience with:
- Industrial IoT or edge-to-cloud platforms
- Manufacturing systems (OT + IT integration)
- Cloud data platforms (AWS preferred)
Familiarity with:
- Streaming architectures
- Event-driven systems
- Data governance frameworks
Other
We are an Equal Opportunity, Affirmative Action employer. All qualified applicants will receive consideration for employment without regard to gender, pregnancy, race, national origin, religion, age, sexual orientation, gender identity, veteran or military status, status as a qualified individual with a disability or any other characteristic protected by law.
To be considered for this position candidates are required to submit an application for employment through our career site and, be at least 18 years of age. Any offer of employment will be conditioned upon successful completion of a drug test and background investigation, as well as authorization for the Company to conduct additional periodic background checks as required by the Chemical Facility Anti-Terrorism Standards (CFATS) or regulations adopted by the department of Homeland Security or other regulatory agencies. A prior criminal record is not an automatic bar to employment, and the Company will conduct an individualized assessment and reassessment, consistent with applicable law, prior to making any final employment decision.
Originally posted on Himalayas
🛡️ Los empleadores en JOBUS nunca le pedirán pagar, comprar equipo ni compartir datos bancarios o de Seguro Social antes de una oferta formal. Confianza y seguridad