MLOps: mercado
MLOps es la ingeniería del ciclo de vida de los modelos de machine learning: entrenamiento reproducible, registro de modelos, despliegue en producción, monitorización de la calidad y de la deriva de datos. Seguimos 2.170 puestos abiertos que mencionan MLOps, 2.003 de ellos recientes. Los LLM ampliaron el rol: a los pipelines clásicos se suman ahora la evaluación de aplicaciones con LLM, el serving de modelos en GPU y la gestión del coste de inferencia. La mayor parte de la demanda viene de roles de ML/IA, AI Engineer y Data. Aparece con más frecuencia junto a Python, AWS y LLM. El 33% de las ofertas permite trabajo totalmente en remoto. Abajo, la demanda medida de MLOps.
El mercado de MLOps tiene ahora 2170 puestos abiertos, 2003 de ellos observados recientemente. Median salary $10.587/mo. Observed candidate pool — 356.
El 33% de las ofertas de MLOps permiten trabajo totalmente remoto; la proporción cuenta solo las ofertas que indican el formato de trabajo.
⚠ salario conocido en 176 de 2170 empleos; cuota de remoto a partir de 1727 con formato indicado; 2003 contados como observaciones recientes; no se muestran la tendencia ni la dificultad de contratación
Timeline: postings and sources
How many MLOps postings appeared each week since Aug 10, and from how many sources. The second line separates market growth from coverage growth: a jump in the week new sources were connected means we started seeing more, not that the market grew.
New postings and active sources per week
Sources over the period: 154
New sources connected: Aug 17 +16 · Aug 24 +14 · Aug 31 +16 · Sep 7 +7 · Sep 14 +11 · Sep 21 +22 · Sep 28 +10 · Oct 5 +10 · Oct 12 +11 · Oct 19 +13
Week = posting first-seen date, all statuses. A posting belongs to the technology by its stack tag; the series starts on 10 Aug 2026 — earlier tags were assigned differently and are not comparable. Sources are distinct collection channels; their names are not published.
Salaries over time
Median MLOps salary per week, USD per month.
Median salary, USD per month
Only postings with a USD salary and a known period (month or year), $500–$50,000 per month. Weeks with fewer than 10 such postings are left blank — that means no data, not zero.
Remote work over time
Share of MLOps postings offering fully remote work, per week.
Remote postings, %
The share is among postings that state a format (remote, hybrid, office). Weeks with fewer than 10 such postings are left blank.
Countries over time
How the share of MLOps postings in each of the top countries changed, per week.
Postings in the country, %
Share among postings with a known country; the chart shows the five countries with the most postings over six months. Weeks with fewer than 20 postings with a known country are left blank. A rising share can mean a newly connected source in that country rather than market growth.
Demanda y oferta observada
| Demanda abierta | 2170 |
| Oferta observada | 356 |
⚠ los candidatos que encajan con una vacante aún no se cuentan: se muestran la demanda y el pool observado
Distribución de salarios
Uno de cada diez gana menos de $4250, uno de cada diez más de $18.125. La mitad del mercado está entre $6250 y $15.416. Muestra: 176.
El histograma de rangos de las ofertas de MLOps usa solo ofertas con rango salarial explícito; la mediana se calcula sobre la misma muestra.
Geografía de la demanda
| país | empleos |
|---|---|
| US | 441 |
| PL | 308 |
| GB | 165 |
| IN | 141 |
| DE | 129 |
| FR | 60 |
| CA | 57 |
| BR | 44 |
| RU | 43 |
| SG | 41 |
El país con mayor demanda de MLOps es EE. UU. (441 vacantes).
⚠ solo número de empleos: el salario por país no se publica
Se usa junto con
MLOps aparece con más frecuencia junto a Python, AWS y LLM.
Roles que la usan
| rol | empleos |
|---|---|
| ML/AI | 802 |
| Ingeniero de IA | 445 |
| Datos | 216 |
| Arquitecto | 206 |
| DevOps | 161 |
| Ingeniero de plataforma | 67 |
| Fullstack | 54 |
| Backend | 41 |
| Producto | 32 |
| Seguridad | 22 |
⚠ las categorías `Other` e `IT` se excluyen porque no son roles
Demanda por nivel
| nivel | empleos |
|---|---|
| senior | 757 |
| principal | 187 |
| lead | 166 |
| middle | 131 |
| junior | 44 |
Senior y superior supone alrededor del 86% de las 1.285 ofertas con grado de MLOps. MLOps exige experiencia tanto en ML como en infraestructura: las vacantes junior casi no existen.
⚠ solo el lado de la demanda: el nivel del pool observado se desconoce en su mayor parte
Empleadores
La demanda se reparte entre 1199 empleadores. El mayor concentra el 1.5%, los diez primeros el 9.2%; el 90.8% restante es cola larga.
| proporción | valor |
|---|---|
| top-1 | 1.5% |
| top-3 | 4.1% |
| top-10 | 9.2% |
| cola larga | 90.8% |
⚠ no se muestran nombres: el clasificador aún no distingue entre agencias de selección y empleadores finales
Dónde ve Zorky este mercado
Observado en 100 fuentes; la mayor concentra el 22.3%: este mercado no depende de un solo canal.
Las ofertas de MLOps llegan sobre todo de ATS y webs de empleo de empresas y de portales de empleo y agregadores.
Vacantes recientes
- Senior Python Engineer · HU
- Главный риск-аналитик в Направление кредитного скоринга · KZ
- AI Engineer - Architecture (AI CoE) · TH
- Senior Software Engineer (AI Solutions) · PL
- Senior Software Engineer (AI Solutions) · PL
- AI/ML Engineer · IN
- Research Engineer · PL
- Data Scientist · PL
Mercados adyacentes
⚠ los mercados adyacentes para comparar aún no están definidos
Cómo se mide
- Vacante
- un empleo abierto que superó el filtro de calidad y menciona al menos dos tecnologías
- Candidato observado
- un candidato cuyo stack contiene esta tecnología; es un agregado: ni un solo registro sale del perímetro
- Candidato emparejable
- aún no contabilizado
- Ventana
- empleos abiertos en el momento en que se generó el snapshot
Sobre los datos
- Algunos desgloses están ocultos: su cobertura de datos aún no es suficiente.
- Las estadísticas se muestran solo donde la muestra supera un control de calidad.
- Que falte un bloque no significa que el valor sea cero.
Desgloses ocultos actualmente: 7.
Datos a 2026-10-27
Preguntas frecuentes
Preguntas frecuentes sobre el mercado de MLOps: respuestas breves a partir del mismo corte de datos.
¿Qué herramientas aparecen en las ofertas de MLOps?
MLflow o Weights & Biases para experimentos, orquestadores (Airflow, Kubeflow, Prefect), Kubernetes y Docker, servicio de modelos (Triton, vLLM, KServe), plataformas de ML en la nube (SageMaker, Vertex AI, Azure ML), monitorización.
¿En qué se diferencia MLOps de DevOps?
Además del código, se versionan los datos y los modelos; la calidad se comprueba con métricas del modelo, no solo con pruebas; la producción se degrada por la deriva de datos incluso sin cambios de código.
¿Qué volumen tiene la demanda de MLOps?
El corte registra 2.170 vacantes abiertas de MLOps; la demanda crece a medida que los equipos pasan de experimentar con modelos a operarlos.