Buscamos senior AI engineers que se incorporen a un equipo de ingeniería IA y construyensoluciones agentic y GenAI a nivel produccióncon autonomía.El equipo construye y opera sus propiasagentic 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 producciónsoluciones 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-agentesobre frameworks y protocolos modernos (LangGraph, A2A, MCP, PydanticAI, etc.) — elegidos por problema, no por defecto.

Engineering harnessesalrededor de los agentes: evaluación, tracing, guardrails, regression testing, CI/CD para prompts y agentes.

Capas de contextoavanzadas: 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 desplegarworkflows multi-agente y features GenAIdesde requisitos hasta producción.

Construir y mantenerengineering harnesses: evals automáticos, tracing + observabilidad, guardrails, test suites de comportamiento de agentes.

Implementarcapas 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 conframeworks y protocolos de agentes: LangGraph, A2A, PydanticAI o similares.Framework-agnosticy capacidad de elegir la herramienta adecuada al problema.

Uso probado decoding agents (Claude Code, PI)en trabajo participativo real.

Experiencia conLLM 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.

A2Au 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

Hastenido ownership de un sistema agentic en produccióny puedes explicar qué se rompió y cómo lo arreglaste.

Puedesjustificar 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-*****-Ljbffr

📌 Ingeniero / a de Inteligencia Artificial, hibrido (Madrid)
🏢 Shakers
📍 Madrid