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 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. Tú te centras en construir agentes IA fiables y evaluables a escala productiva.

📌 Ingeniero de software (Lugo)
🏢 Shakers
📍 Lugo