Buscamos senior AI engineers que se incorporen a un equipo de ingeniería IA y construyen

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.

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.

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.





+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 participativo 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.

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.

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.

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.

#J-18808-Ljbffr

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