Experteer Overview La descripción completa del puesto cubre todas las habilidades asociadas, la experiencia previa y cualquier cualificación que se espera que tengan los solicitantes.

En este rol lideras la creación y despliegue de sistemas de IA agentic en entornos empresariales, con foco en producción y escalabilidad. Trabajas directamente con equipos de clientes para diseñar soluciones reutilizables que acompañen múltiples engagements. Construyes patrones y aceleradores para acelerar futuras implementaciones y operas en un ecosistema de socios tecnológicos.

Buscamos alguien que haya llevado sistemas multi-agente a producción y que maneje la observabilidad y el rendimiento en 2 a.m. como parte de su experiencia.

Compensaciones / Incentivos

- Diseñar y construir sistemas agentic en producción end-to-end (orquestación multi-agente, pipelines RAG, routing basado en políticas, invocación de herramientas, gestión de memoria y observabilidad)
- Liderar y mantener pipelines RAG: embeddings, chunking, búsqueda vectorial y ingeniería de contexto
- Integrar y abstraer entre proveedores de LLM (OpenAI, Anthropic, Vertex AI y modelos open-source) con manejo de fallback, tokens y costos
- Implementar LLMOps en producción: evalHarness con métricas, versionado de prompts, observabilidad y monitoreo de costos y seguridad
- Colaborar directamente con equipos de clientes para diseñar,



prototipar y desplegar soluciones agentic
- Desarrollar patrones, aceleradores y playbooks reutilizables para escalar a futuros engagements
- Definir y usar métricas de precisión, latencia, seguridad y costo-efectividad; presentar hallazgos a stakeholders

Responsabilidades

- Experiencia sólida en desarrollo de software en entornos de producción
- Experiencia práctica diseñando y desplegando soluciones IA agentic en producción
- Experiencia con frameworks de orquestación agentic: LangGraph, CrewAI, AutoGen (o equivalentes) a nivel de producción
- Experiencia directa llamando APIs de LLM (OpenAI, Anthropic, Vertex AI) desde código de producción
- Propiedad de pipelines RAG: xugodme embeddings, estrategia de chunking, bases de datos vectoriales y ingeniería de contexto
- Fundamentos de LLMOps: diseño de eval harness, versionado de prompts y observabilidad de producción
- Madurez en ingeniería cloud-native: Kubernetes, Docker, microservicios, serverless, CI/CD e IaC (Terraform o Helm)
- Sólidos conocimientos de Python; Java o lenguaje backend equivalente es aceptable; experiencia en depuración y observabilidad en producción
- Se valora haber desplegado tres sistemas agentic de producción en cuatro años
- Conocimiento de observabilidad y debugging en entornos complejos de IA

Requisitos principales

•

📌 AI Software Engineer | Spain (Madrid)
🏢 Accenture
📍 Madrid