Experteer Overview 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 stakeholdersResponsabilidades - 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: 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 backendequivalente 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 IARequisitos principales -

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