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. 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 (España)
🏢 Shakers
📍 España