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 (Cárcer)
🏢 Shakers
📍 Cárcer