Ayer estaba terminando de ver una serie en Disney+ —no diré cuál para no perder mi poca reputación de tipo serio— y no pude evitar pensar en la cantidad de engranajes que tienen que girar para que ese vídeo llegue a mi pantalla en Cartagena sin tirones. Porque claro, uno ve el logo del castillo y piensa en magia, en dibujos animados y en parques de atracciones, pero detrás de cada frame hay una arquitectura de software que asustaría al mismísimo Darth Vader. Resulta que me topé con una oferta para Senior Software Engineer en Machine Learning para Disney y, la verdad, me pareció la excusa perfecta para desgranar qué demonios hace alguien en un puesto así y por qué el sector tecnológico en España debería estar mirando esto con lupa.
A ver, para que nos entendamos: Disney ya no es solo una productora de cine. Es una de las mayores empresas tecnológicas del planeta. Cuando hablamos de un puesto de «Senior Software Engineer (ML)», no estamos hablando de alguien que se dedica a retocar fotos de Mickey con filtros de Instagram. Estamos hablando de la Content Platforms Engineering. Este equipo es el que se encarga de que la «cadena de suministro de medios» (media supply chain) funcione como un reloj suizo.
Imaginaos el volumen de contenido que manejan. Tienen Disney+, ESPN, Hulu, National Geographic… Eso son petabytes de vídeo, audio y metadatos. El reto aquí no es solo guardar los archivos, sino procesarlos de forma inteligente. Y ahí es donde entra el Machine Learning, y más concretamente, la Computer Vision (visión por computador, para los que preferimos el castellano de toda la vida).
¿Para qué quiere Disney visión por computador? Pues para mil cosas que nos hacen la vida más fácil sin que nos demos cuenta. Desde detectar automáticamente los créditos de una serie para que aparezca el botón de «saltar intro», hasta analizar el contenido para generar subtítulos automáticos o incluso para clasificar escenas según su carga emocional. Si mal no recuerdo, hace poco se hablaba de cómo usaban modelos para entender qué partes de una película generaban más atención en el espectador. Es un poco «Black Mirror», sí, pero técnicamente es una maravilla.
¿Qué hace falta para ser un Senior en este tinglado?
Si echamos un ojo a lo que piden en estas ligas mayores, te das cuenta de que no basta con saber importar una librería de Python y rezar para que el modelo converja. Un perfil senior en ML tiene que ser, ante todo, un ingeniero de software sólido. Hay una tendencia peligrosa últimamente de gente que sabe mucho de estadística pero no sabe escribir un código que no se rompa al soplarle. Disney, y cualquier empresa seria en España (pienso en las grandes del IBEX o en las startups potentes de Madrid y Barcelona), buscan gente que sepa construir sistemas escalables.
- Dominio de los flujos de trabajo de ML: No es solo entrenar el modelo. Es el MLOps. ¿Cómo despliegas ese modelo? ¿Cómo monitorizas que no se vuelva «loco» con el tiempo (el famoso data drift)?
- Arquitectura de sistemas: Tienes que saber cómo conectar ese modelo con una infraestructura que da servicio a millones de personas. Si tu modelo tarda 10 segundos en procesar un frame, no sirve para nada en un entorno de streaming.
- Visión por computador: Aquí es donde se separa el grano de la paja. Trabajar con vídeo es un dolor de muelas. Tienes que lidiar con códecs, resoluciones, espacios de color… No es lo mismo clasificar fotos de gatitos que analizar un partido de la NFL en tiempo real para ESPN.
La verdad es que, a veces, nos perdemos en los nombres rimbombantes de los cargos, pero al final del día, lo que buscan es a alguien que sepa resolver problemas complejos sin quemar el presupuesto de AWS en una tarde de pruebas locas.
Un poco de «barro» técnico: El procesado de vídeo
Para que veáis que no todo es teoría, vamos a bajar un poco al nivel del suelo. Imaginad que tenemos que implementar un sistema sencillo que detecte cuándo hay un cambio de escena en un capítulo de «The Mandalorian». Un ingeniero junior quizás intentaría comparar cada píxel de cada frame. Un senior sabe que eso es un suicidio computacional.
Ojo con este fragmento de código (es una simplificación, no me saltéis al cuello los puristas de C++):
import cv2
import numpy as np
def detectar_cambio_escena(video_path, umbral=30.0):
cap = cv2.VideoCapture(video_path)
ret, frame_anterior = cap.read()
# Lo pasamos a gris porque el color a veces miente y consume recursos
prev_gray = cv2.cvtColor(frame_anterior, cv2.COLOR_BGR2GRAY)
while True:
ret, frame = cap.read()
if not ret:
break
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# Calculamos la diferencia absoluta.
# Si cambia mucho de repente, es que hay corte de cámara.
diff = cv2.absdiff(gray, prev_gray)
score = np.mean(diff)
if score > umbral:
print(f"¡Corte detectado! Poned aquí el anuncio de turno (es broma, no me matéis)")
prev_gray = gray
cap.release()
Vaya, que esto parece fácil, ¿verdad? Pues ahora escaladlo a 4K, con HDR, y hacedlo para 500 vídeos a la vez. Ahí es donde el «Software Engineer» le gana la partida al «Data Scientist» puro. Tienes que optimizar el uso de memoria, quizás usar multiprocessing o incluso bajar a nivel de GPU con CUDA si la cosa se pone fea. Y eso, amigos, es lo que Disney está pagando en Buenos Aires, en Los Ángeles o donde sea que tengan sus hubs tecnológicos.
El panorama en España: ¿Estamos a ese nivel?
A veces tenemos ese complejo de inferioridad tan nuestro, pensando que estas cosas solo pasan en Silicon Valley o en oficinas acristaladas de Argentina. Pero la realidad es que en España tenemos un talento brutal. Si te das una vuelta por el Polígono de Santa Ana en Cartagena, o ves lo que sale de la UPCT (Universidad Politécnica de Cartagena), te das cuenta de que aquí se pica código de mucha calidad.
El problema suele ser la escala. En España tenemos empresas de medios muy potentes, como Atresmedia o Mediaset, que también están integrando IA para gestionar sus archivos históricos. O empresas de seguridad que usan visión por computador para cosas mucho más mundanas pero críticas. Lo que pasa es que Disney tiene ese «glamour» que hace que la oferta de empleo parezca salida de una película, pero los retos técnicos son primos hermanos.
Además, la verdad es que el trabajo remoto ha cambiado las reglas del juego. Un ingeniero de Cartagena puede estar trabajando perfectamente para el equipo de Content Platforms de Disney sin tener que renunciar a su marinera y su caña frente al puerto. Bueno, en este caso la oferta mencionaba Buenos Aires y presencialidad, pero ya me entendéis: el conocimiento es global.
La importancia de la «Media Supply Chain»
Este concepto suena a logística de camiones, pero en el mundo digital es vital. Pensad en lo siguiente: Disney produce una película. Esa película tiene que estar disponible en 50 idiomas, con diferentes clasificaciones por edades según el país (en España somos más relajados que en EE. UU. con ciertos temas), y adaptada a diferentes dispositivos, desde una Smart TV de 80 pulgadas hasta un móvil con la pantalla rota en un autobús de Murcia.
Gestionar todo eso a mano es imposible. Por eso necesitan ingenieros de ML. Necesitan algoritmos que:
- Verifiquen la calidad (QA automático): Que no haya artefactos extraños en la imagen o que el audio no esté desincronizado.
- Cumplimiento legal: Detectar contenido que pueda ser sensible en ciertos mercados de forma automática.
- Personalización: No solo recomendarte qué ver, sino incluso qué miniatura (thumbnail) mostrarte. Si el algoritmo sabe que te gustan las películas de acción, te mostrará una explosión; si eres más de romances, te mostrará a los protagonistas mirándose a los ojos.
Todo esto se hace con modelos de Deep Learning, probablemente redes neuronales convolucionales (CNN) o Transformers aplicados a visión, que analizan cada segundo de metraje.
¿Por qué piden un perfil «Senior»?
Mucha gente se frustra porque todas las ofertas piden «Senior». En el caso de ML, esto tiene una razón de ser muy clara: la experiencia en el fracaso. Un senior es alguien que ya ha intentado poner un modelo en producción y ha visto cómo se caía todo el sistema porque la entrada de datos no era la esperada. Es alguien que sabe que un modelo con un 99% de precisión en su portátil puede ser un desastre en el mundo real.
En el contexto de Disney, ser senior significa también saber mentorizar. No solo escribes código; diseñas la estrategia. ¿Usamos un modelo pre-entrenado de OpenAI o Google, o entrenamos el nuestro propio desde cero? Esa decisión puede ahorrar o costar millones de euros. Y ojo, que a veces la respuesta correcta es «no uses IA para esto, usa un par de reglas de programación de toda la vida». Esa humildad técnica solo te la dan los años y los cafés compartidos con otros desarrolladores.
El día a día entre algoritmos y café
Me imagino a este ingeniero en Buenos Aires (o en cualquier oficina de Disney). Empieza el día con una reunión de sincronización. No hablan de Mickey, hablan de latencias, de throughput y de cómo reducir el coste de inferencia en la nube. Quizás pasan la mañana depurando un pipeline de datos que se ha atascado porque alguien subió un vídeo en un formato extraño que el decodificador no reconoce.
Es un trabajo de artesano digital. Hay que cuidar los detalles. Por ejemplo, si estás entrenando un modelo para detectar caras en películas antiguas de Disney (como Blancanieves), tienes el reto de que los rasgos no son humanos, son dibujos. Los modelos estándar entrenados con fotos de personas reales fallan estrepitosamente. Tienes que crear tus propios datasets, etiquetar miles de imágenes y ajustar los hiperparámetros hasta que el modelo «entienda» qué es una cara en el mundo de la animación.
Reflexión sobre el futuro del empleo tecnológico
Al final del día, lo que nos enseña una oferta como esta es que la Inteligencia Artificial no viene a quitarnos el trabajo, sino a hacerlo mucho más complejo e interesante. El perfil de «picacodigo» puro está evolucionando hacia alguien que entiende el dato, el modelo y la infraestructura.
Para los que estamos en España, y especialmente para los que seguimos de cerca la tecnología desde rincones como Cartagena, esto es una señal. La formación continua no es una opción, es una necesidad. Ya no vale con «saber Java». Hay que entender cómo se integran estos modelos de aprendizaje automático en el ciclo de vida del software.
Y no nos engañemos, trabajar para Disney tiene que molar mucho, pero el estrés de saber que si tu código falla, millones de niños (y no tan niños) se van a quedar sin ver su película favorita un viernes por la noche… eso hay que saber gestionarlo. Para eso hace falta temple, mucha experiencia y, probablemente, haber pasado por muchas batallas previas en proyectos más pequeños.
La conclusión que saco de todo esto es que el Machine Learning ha dejado de ser un experimento de laboratorio para convertirse en el motor de la industria del entretenimiento. Ya sea en Buenos Aires, en Madrid o en una oficina con vistas al puerto de Cartagena, los ingenieros de software estamos viviendo una época dorada, siempre y cuando estemos dispuestos a mancharnos las manos con las tripas de los algoritmos.
Así que, la próxima vez que le deis al «play» en vuestra plataforma favorita, recordad que hay un ingeniero senior de ML velando por que todo salga perfecto. Y probablemente, ese ingeniero esté ahora mismo tomándose su tercer café del día, peleándose con una librería de Python que ha decidido no actualizarse. Así es la vida del desarrollador, amigos. Ni más, ni menos.
Deja una respuesta