Buscamos senior AI engineers que se incorporen a un equipo de ingeniería IA y construyan soluciones agentic y GenAI a nivel producción con autonomía.

El equipo construye y opera sus propias agentic factories: plataformas repetibles para diseñar, construir, evaluar y desplegar agentes basados en LLMs para clientes y productos internos. Trabajo hands-on que abarca entrega a cliente + desarrollo de producto.

? Misión

Construir y llevar a producción soluciones agentic end-to-end, de forma autónoma, dentro de un equipo de delivery. Embedded con los ingenieros, trabajando como un equipo.

? Cómo es el trabajo

- Sistemas multi-agente sobre frameworks y protocolos modernos (LangGraph, A2A, MCP, PydanticAI, etc.) — elegidos por problema, no por defecto.
- Engineering harnesses alrededor de los agentes: evaluación, tracing, guardrails, regression testing, CI/CD para prompts y agentes.
- Capas de contexto avanzadas: retrieval, memoria, knowledge graphs, estado de agente de larga duración.
- AI-assisted development como forma por defecto de trabajar: Claude Code y PI dentro de entornos colaborativos con skills, reglas e instruction files compartidos. No prompting ad-hoc.
- Codebases grandes, complejos y productivos donde escalabilidad y mantenibilidad importan.

? Responsabilidades

- Diseñar, implementar y desplegar workflows multi-agente y features GenAI desde requisitos hasta producción.
- Construir y mantener engineering harnesses: evals automáticos, tracing + observabilidad, guardrails, test suites de comportamiento de agentes.
- Implementar capas de retrieval y contexto (RAG, hybrid search, memoria, contexto basado en grafos) con calidad medible.
- Escribir código limpio, testeado y escalable en codebases compartidos complejos; revisar código de peers.
- Trabajar directamente con product owners y consultores para traducir problemas ambiguos en sistemas que funcionan.
- Usar coding agents a diario y saber dónde fallan.

✅ Imprescindibles





- +5 años en software engineering + mínimo 2 años construyendo sistemas basados en LLM o agentes que llegaron a producción.
- Python sólido; fundamentos de ingeniería de software (testing, typing, packaging, APIs, async, CI/CD).
- Experiencia hands-on en producción con frameworks y protocolos de agentes: LangGraph, A2A, PydanticAI o similares. Framework-agnostic y capacidad de elegir la herramienta adecuada al problema.
- Uso probado de coding agents (Claude Code, PI) en trabajo cooperativo real.
- Experiencia con LLM evaluation y observabilidad (LangSmith, Langfuse, Braintrust, pipelines eval propios).
- Retrieval y context engineering: vector stores, estrategias de chunking + ranking, tool design, structured outputs.
- Cloud deployment (Azure, AWS o GCP)
- MCP: construir y consumir MCP servers, diseñar tools y protocolos para agentes.
- Knowledge graphs: graph databases (Neo4j o similar), GraphRAG, contexto y memoria basados en grafos.
- Inglés fluido.

? Suma puntos

- A2A u otros estándares de interoperabilidad de agentes más allá de uso básico de MCP.
- Contribuciones open-source o publicaciones sobre agentic engineering.
- Fine-tuning o experiencia con small models; optimización de coste y latencia.
- Skills front-end o full-stack para construir demos y capas finas de producto.
- Experiencia en consultoría o client-facing.

? Señales de seniority que buscamos

- Has tenido ownership de un sistema agentic en producción y puedes explicar qué se rompió y cómo lo arreglaste.
- Puedes justificar decisiones de framework y arquitectura, incluyendo cuándo NO usar un agente.
- Necesitas dirección sobre el problema, no sobre la implementación.

? Condiciones

- Modalidad: freelance vía Shakers.
- Duración: 6 meses iniciales, con idea de continuidad a largo plazo.
- Ubicación: 100% remoto. Preferencia Madrid.

En Shakers nos ocupamos de la gestión del proyecto, la facturación y el acompañamiento durante toda la colaboración. Tú te centras en llevar sistemas agentic a producción.

📌 Ingeniero de Inteligencia Artificial (España)
🏢 Shakers
📍 España