Una compañía con equipos de IA avanzada incorpora un/a AI Runtime & Evaluation Engineer para el diseño, implementación y evaluación de arquitecturas de agentes de IA a escala productiva. Rol principal en la creación de sistemas robustos de evaluación y benchmarking de LLMs, gestión del runtime de agentes y observabilidad avanzada.
Rol fundamental en el ciclo de vida de sistemas de agentes IA en producción real — no POCs, no research aislado.

Sobre el ro
lSerás responsable de construir, optimizar y validar rigurosamente sistemas de agentes de IA. Diseñarás las arquitecturas, gestionarás su runtime end-to-end, y — muy importante — establecerás la metodología de evaluación que asegura calidad, rendimiento y reproducibilidad. Impacto tangible en la fiabilidad de soluciones IA a escala

.
?? Lo que har

ás
Arquitecturas de agent
~ es:Diseñar sistemas de agentes: planning, tool calling, function calling, memory, context engineering, semantic routi
~ ng.Distinguir y diseñar workflows vs agentes según caso de u
~ so.Trabajar con MCP (Model Context Protocol) y, idealmente, A
~2A.Orquestar sistemas multi-agen

te.
Runtime de agen
tes:Gestionar execution loop, state management, orchestration, retries, checkpoint
ing.Implementar streaming, human-in-the-loop, gestión de conte
xto.Observabilidad avanzada, tracing, tool execution, concurre

ncy.
Evaluación (crít
ico):Diseñar evals offline y on
line.Construir benchmarks robustos + golden datasets + synthetic data
sets.Aplicar LLM-as-a-judge, pairwise compar
ison.Regression testing + experiment tracking + reproducibilidad (MLf

low)
~ . RAG:Chunking, embeddings, reranking, vector databases, retrieval quality, context wi

ndows.
LLM Engin
eering:Prompting, structured outputs, JSON schema, function c
alling.Optimización de tokenización,



coste, latencia, c
aching.Reasoning models + context window mana

gement.
Backend + Observabilidad +
Testing:Python backend con FastAPI, Docker, Kub
ernetes.OpenTelemetry + Grafana + Pro
metheus.Unit testing, integration testing, eval testing, regression suites, CI/CD

pa ra IA.
✅ Impres
cindiblesExperiencia sólida d iseñando arquitecturas de a gentes IA en producción (planning, tool/function calling, memory, context engineering, semantic routi
ng, MCP).Experiencia prác tica con runtime d e agentes end-to-end (execution loop, state, retries, checkpointing, streaming, HITL, conc
urrency).Experiencia cr ítica en evaluación d e modelos: offline + online evals, benchmark design, golden + synthetic datasets, LLM-as-a-judge, regression testing, experiment
tracking.Dominio ava nzado de Python para backend
robusto.Conocimiento ex per to de RAG (chunking, embeddings, reranking, vector DBs, retrieval
quality).LLM En gineering avanzado (prompting, structured outputs, function calling, tokenización, coste, latencia, caching, reasoning
models).Experie ncia c on MLflow para experiment
tracking.Inglés

av anzado
Muy
valorableFrameworks de agentes: LangGraph, OpenAI A
gents SDK.A2A (Agent-to-Agent
Protocol).Infraes tructura: FastAPI, Docker, Kubernetes, Redis, Kafka, P
ostgreSQL.Observ abilidad: OpenTelemetry, Grafana, P
rometheus.Testing: unit + integration + eval + regression suites + CI/C
D para IA. Cloud AI: Azure OpenAI, AWS Bedrock + AgentCore, GCP

Ver tex AI.

CondicionesModalidad: freelance v
ía Shakers.Duración: 12 meses con alta probabilidad de
extensión.Ubicación: 100% remoto de

sde España.
En Shakers nos ocupamos de la gestión del proyecto, la facturación y el acompañamiento. Tú te centras en construir agentes IA fiables y evaluables a escala

productiva.

📌 Ingeniero(a) Senior de Software (España)
🏢 Shakers
📍 España