Experteer Overview

Asegúrese de que toda la información de su solicitud está actualizada y en orden antes de inscribirse en esta oportunidad.

En Capgemini, te incorporarás al equipo Data u0026amp; AI para diseñar y desarrollar soluciones de IA que integren modelos de lenguaje y capacidades generativas en entornos cloud. Serás parte de un equipo que apuesta por prácticas modernas de ingeniería, entrega confiable y ética de IA, con impacto en clientes líderes. Trabajarás en pipelines de RAG, herramientas de orquestación y componentes reutilizables para escalar soluciones de IA en negocio real.

Este rol ofrece aprendizaje continuo y oportunidades de mentoring en un entorno dinámico e inclusivo.

Compensaciones / Incentivos

- Diseñar y desarrollar servicios de IA y microservicios que integren LLMs y herramientas para acciones sobre APIs internas/externas
- Construir pipelines de RAG (ingesta, embeddings, almacenamiento vectorial, retrieval) y agentes con orquestadores
- Implementar CI/CD, contenedores y observabilidad para llevar a producción soluciones robustas
- Garantizar calidad mediante TDD/BDD, pruebas y gateways de calidad (linting, SAST/DAST, dependencias)
- Aplicar LLMOps/MLOps: versionado, evaluación, monitorización y guardrails
- Colaborar con arquitectura, datos, seguridad y negocio para requisitos no funcionales y gobernanza de IA
- Documentar decisiones (ADRs),



elaborar playbooks y apoyar revisiones de código y mentoring
- Contribuir a aceleradores internos y componentes reutilizables alineados con Data u0026 AI

Responsabilidades

- 3-7+ años de experiencia en ingeniería de software
- Experiencia en Python y frameworks backend (FastAPI, Flask, Express)
- Git avanzado y CI/CD (GitHub Actions, GitLab CI, Azure DevOps, Jenkins)
- Cloud (Azure, AWS o GCP) con despliegue en contenedores (Docker; Kubernetes deseable)
- Integración con GenAI/LLMs (Azure OpenAI, OpenAI, Vertex AI, Bedrock)
- Conocimientos de RAG y herramientas de vector store (FAISS, pgvector, Pinecone) y orquestadores (LangChain, LlamaIndex, Semantic Kernel)
- xugodme Testing (unit/integration/contract), observabilidad (OpenTelemetry) y seguridad básica de APIs (OAuth2/OIDC)
- Inglés profesional
- LLMOps/MLOps: MLflow, Weights u0026 Biases, Prompt Flow/Azure AI Studio evals
- Mentalidad de producto, trabajo en equipo multidisciplinar y aprendizaje continuo
- Conocimientos prácticos de Infraestructura como código (Terraform) y herramientas de seguridad

Requisitos principales

- formación presencial, online y certificaciones
- flexibilidad y modelo híbrido
- proyectos variados y desafiantes
- aprendizaje continuo
- diversidad de clientes e innovación
- entornos colaborativos e inclusivos

📌 Senior GenAI Software Engineer (Madrid)
🏢 Capgemini
📍 Madrid