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 fundamental 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 rolSerás 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 harásArquitecturas de agentes:Diseñar sistemas de agentes: planning, tool calling, function calling, memory, context engineering, semantic routing.Distinguir y diseñar workflows vs agentes según caso de uso.Trabajar con MCP (Model Context Protocol) y, idealmente, A2A.Orquestar sistemas multi-agente.Runtime de agentes:Gestionar execution loop, state management, orchestration, retries, checkpointing.Implementar streaming, human-in-the-loop, gestión de contexto.Observabilidad avanzada, tracing, tool execution, concurrency.Evaluación (crítico):Diseñar evals offline y online.Construir benchmarks robustos + golden datasets + synthetic datasets.Aplicar LLM-as-a-judge, pairwise comparison.Regression testing + experiment tracking + reproducibilidad (MLflow). RAG:Chunking, embeddings, reranking, vector databases, retrieval quality, context windows.LLM Engineering:Prompting, structured outputs, JSON schema, function calling.Optimización de tokenización,



coste, latencia, caching.Reasoning models + context window management.Backend + Observabilidad +Testing:Python backend con FastAPI, Docker, Kubernetes.OpenTelemetry + Grafana + Prometheus.Unit testing, integration testing, eval testing, regression suites, CI/CDpara IA.ImprescindiblesExperiencia sólida diseñando arquitecturas de agentes IA en producción (planning, tool/function calling, memory, context engineering, semantic routing, MCP).Experiencia práctica con runtime de agentes end-to-end (execution loop, state, retries, checkpointing, streaming, HITL, concurrency).Experiencia crítica en evaluación de modelos: offline + online evals, benchmark design, golden + synthetic datasets, LLM-as-a-judge, regression testing, experimenttracking.Dominio avanzado de Python para backendrobusto.Conocimiento experto de RAG (chunking, embeddings, reranking, vector DBs, retrievalquality).LLM Engineering avanzado (prompting, structured outputs, function calling, tokenización, coste, latencia, caching, reasoningmodels).Experiencia con MLflow para experimenttracking.InglésavanzadoMuyvalorableFrameworks de agentes: LangGraph, OpenAI Agents SDK.A2A (Agent-to-AgentProtocol).Infraestructura: FastAPI, Docker, Kubernetes, Redis, Kafka, PostgreSQL.Observabilidad: OpenTelemetry, Grafana, Prometheus.Testing: unit + integration + eval + regression suites + CI/CD para IA.Cloud AI: Azure OpenAI, AWS Bedrock + AgentCore, GCPVertex AI.CondicionesModalidad: freelance vía Shakers.Duración: 12 meses con alta probabilidad deextensión.Ubicación: 100% remoto desde 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 De Software (Castro Urdiales)
🏢 Shakers
📍 Castro Urdiales