Experteer Overview La siguiente información ofrece un resumen de las habilidades, cualidades y cualificaciones necesarias para este puesto.

En este rol, diseñarás, construirás y desplegarás sistemas agentic de IA en producción a escala empresarial. Trabajarás con clientes y equipos de ingeniería para definir patrones reutilizables y acelerar entregas. Tendrás impacto directo en el rendimiento y la seguridad de pipelines de IA en entornos reales, no en demos. Buscamos ingeniería de alto impacto que aporte soluciones que transciendan engagements individuales y apoyen la transformación tecnológica de clientes.

Compensaciones / Ventajas

- Arquitectar y gobernar sistemas agentic de producción a escala, incluyendo orquestación multi-agente, pipelines RAG, gestión de memoria y observabilidad a nivel de programa
- Definir estándares de pipelines RAG y estrategias de chunking/embedding con indicadores de calidad transferibles
- Establecer estándares de integración de múltiples LLMs, con arquitectura independiente del proveedor y gobernanza de costos
- Gestión de LLMOps a escala de programa: evaluación, gobernanza de prompts, herramientas de observabilidad y control de costos
- Liderar engagements con clientes a nivel senior: sesiones de diseño, entrega de pruebas de concepto y alineación entre liderazgo tecnológico y equipos de entrega
- Desarrollar patrones y aceleradores reutilizables para escalar la práctica y reducir tiempos de onboarding
- Definir y medir la calidad de los sistemas agentic:



precisión, latencia, seguridad y costos; reportar impacto de IA en términos de negocio a stakeholders

Responsabilidades

- Experiencia sólida en software en entornos de producción
- Experiencia práctica diseñando y desplegando soluciones agentic en producción
- Experiencia con marcos de orquestación agentic (LangGraph, CrewAI, AutoGen u otros) en profundidad de producción
- Experiencia llamando APIs de LLM (OpenAI, Anthropic, Vertex AI) en código de producción
- Propiedad de pipelines RAG: embeddings, chunking, vectores y ingeniería de contexto
- Fundamentos de LLMOps: diseño de harness de evaluación, versionado de prompts y observabilidad de producción
- Madurez en desarrollo en la nube: Kubernetes, Docker, microservicios, xugodme serverless, CI/CD e IaC (Terraform/Helm)
- Python fuerte; Java u otro backend aceptable; experiencia en depuración/observabilidad en producción
- Historial de entrega de múltiples sistemas agentic en producción y experiencia de liderazgo de equipos de ingeniería
- Experiencia gestionando, desarrollando y evaluando equipos de ingeniería; desarrollo de planes individuales y conversaciones de carrera

Requisitos principales

- certificaciones y desarrollo profesional
- entorno inclusivo y diverso
- equilibrio entre bienestar físico, mental y financiero
- oportunidades de aprendizaje continuo
- experiencia directa con ecosistemas de IA líderes
- trabajo con equipos globales de clientes

📌 AI Manager | Spain (Madrid)
🏢 Accenture
📍 Madrid