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 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/CDpa ra IA.✅ ImprescindiblesExperiencia sólida d iseñando arquitecturas de a gentes IA en producción (planning, tool/function calling, memory, context engineering, semantic routing, MCP).Experiencia prác tica con runtime d e agentes end-to-end (execution loop, state, retries, checkpointing, streaming, HITL, concurrency).Experiencia cr ítica en evaluación d e modelos: offline + online evals, benchmark design, golden + synthetic datasets, LLM-as-a-judge, regression testing, experimenttracking.Dominio ava nzado de Python para backendrobusto.Conocimiento ex per to de RAG (chunking, embeddings, reranking, vector DBs, retrievalquality).LLM En gineering avanzado (prompting, structured outputs, function calling, tokenización, coste, latencia, caching, reasoningmodels).Experie ncia c on MLflow para experimenttracking.Inglésav anzadoMuyvalorableFrameworks de agentes: LangGraph, OpenAI Agents SDK.A2A (Agent-to-AgentProtocol).Infraes tructura: FastAPI, Docker, Kubernetes, Redis, Kafka, PostgreSQL.Observ abilidad: OpenTelemetry, Grafana, Prometheus.Testing: unit + integration + eval + regression suites + CI/CD para IA. Cloud AI: Azure OpenAI, AWS Bedrock + AgentCore, GCPVer tex 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 escalaproductiva.

📌 Ingeniero De Software (Ourense)
🏢 Shakers
📍 Ourense