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.
Inscríbase ahora, lea los detalles del trabajo desplazándose hacia abajo. Verifique que posee las habilidades necesarias antes de enviar una solicitud.
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
para IA.
Impres
- cindiblesExperiencia sólida diseñando arquitecturas de agentes IA en producción (planning, tool/function calling, memory, context engineering, semantic routi
- ng, MCP).Experiencia práctica con runtime de agentes end-to-end (execution loop, state, retries, checkpointing, streaming, HITL, conc
- urrency).Experiencia crítica en evaluación de modelos: offline + online evals, benchmark design, golden + synthetic datasets, LLM-as-a-judge, regression testing, experiment
- tracking.Dominio avanzado de Python para backend
- robusto.Conocimiento experto de RAG (chunking, embeddings, reranking, vector DBs, retrieval
- quality).LLM Engineering avanzado (prompting, structured outputs, function calling, tokenización, coste, latencia, caching, reasoning
- models).Experiencia con MLflow para experiment
- tracking.Inglés
avanzado
Muy
- valorableFrameworks de agentes: LangGraph, OpenAI A
- gents SDK.A2A (Agent-to-Agent
- Protocol).Infraestructura: FastAPI, Docker, Kubernetes, Redis, Kafka, P
- ostgreSQL.Observabilidad: OpenTelemetry, Grafana, P
- rometheus.Testing: unit + integration + eval + regression suites + CI/C
- D para IA.Cloud AI: Azure OpenAI, AWS Bedrock + AgentCore, GCP
Vertex 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. xqbhyrx Tú te centras en construir agentes IA fiables y evaluables a escala
productiva.

📌 Ingeniero de software (Vitoria-Gasteiz)
🏢 Shakers
📍 Vitoria-Gasteiz