Experteer Overview
Asegúrese de que toda la información de su solicitud está actualizada y en orden antes de inscribirse en esta oportunidad.
En Capgemini, te incorporarás al equipo Data u0026amp; AI para diseñar y desarrollar soluciones de IA que integren modelos de lenguaje y capacidades generativas en entornos cloud. Serás parte de un equipo que apuesta por prácticas modernas de ingeniería, entrega confiable y ética de IA, con impacto en clientes líderes. Trabajarás en pipelines de RAG, herramientas de orquestación y componentes reutilizables para escalar soluciones de IA en negocio real. Este rol ofrece aprendizaje continuo y oportunidades de mentoring en un entorno dinámico e inclusivo.
Compensaciones / Incentivos
• Diseñar y desarrollar servicios de IA y microservicios que integren LLMs y herramientas para acciones sobre APIs internas/externas
• Construir pipelines de RAG (ingesta, embeddings, almacenamiento vectorial, retrieval) y agentes con orquestadores
• Implementar CI/CD, contenedores y observabilidad para llevar a producción soluciones robustas
• Garantizar calidad mediante TDD/BDD, pruebas y gateways de calidad (linting, SAST/DAST, dependencias)
• Aplicar LLMOps/MLOps: versionado, evaluación, monitorización y guardrails
• Colaborar con arquitectura, datos, seguridad y negocio para requisitos no funcionales y gobernanza de IA
• Documentar decisiones (ADRs),



elaborar playbooks y apoyar revisiones de código y mentoring
• Contribuir a aceleradores internos y componentes reutilizables alineados con Data u0026 AI
Responsabilidades
• 3-7+ años de experiencia en ingeniería de software
• Experiencia en Python y frameworks backend (FastAPI, Flask, Express)
• Git avanzado y CI/CD (GitHub Actions, GitLab CI, Azure DevOps, Jenkins)
• Cloud (Azure, AWS o GCP) con despliegue en contenedores (Docker; Kubernetes deseable)
• Integración con GenAI/LLMs (Azure OpenAI, OpenAI, Vertex AI, Bedrock)
• Conocimientos de RAG y herramientas de vector store (FAISS, pgvector, Pinecone) y orquestadores (LangChain, LlamaIndex, Semantic Kernel)
• xqbhyrx Testing (unit/integration/contract), observabilidad (OpenTelemetry) y seguridad básica de APIs (OAuth2/OIDC)
• Inglés profesional
• LLMOps/MLOps: MLflow, Weights u0026 Biases, Prompt Flow/Azure AI Studio evals
• Mentalidad de producto, trabajo en equipo multidisciplinar y aprendizaje continuo
• Conocimientos prácticos de Infraestructura como código (Terraform) y herramientas de seguridad
Requisitos principales
• formación presencial, online y certificaciones
• flexibilidad y modelo híbrido
• proyectos variados y desafiantes
• aprendizaje continuo
• diversidad de clientes e innovación
• entornos colaborativos e inclusivos

📌 Senior GenAI Software Engineer (Madrid)
🏢 Capgemini
📍 Madrid