# Senior GenAI Software EngineerMadridApply for this job

Aunque la experiencia profesional y las cualificaciones son clave para este puesto, asegúrese de comprobar si posee las habilidades interpersonales preferibles antes de solicitar, si se requieren.
* Permanente
* Profesionales con experiencia
* Data & AI
* ID 481040-es_ES## Job DescriptionElegir Capgemini significa elegir una empresa donde tendrás la libertad de diseñar tu carrera competente como desees, con el respaldo y la inspiración de una comunidad colaborativa de colegas en todo el mundo.

Aquí podrás reinventar lo que es posible.

Únete a nosotros y ayuda a las organizaciones líderes en el mundo a descubrir el valor de la tecnología y construir un mundo más sostenible e inclusivo.

Tenemos un equipo de Data & AI que estará encantado de contar contigo.

¿Te apetece sumarte?## Descripción breve
¿Qué harás en el proyecto? ¿Cuál será tu rol?
• Impulsar el diseño y desarrollo de aplicaciones y servicios de IA que integren modelos de lenguaje (LLMs) y capacidades de IA Generativa en entornos cloud (Azure/AWS/GCP), con prácticas de ingeniería modernas (CI/CD, testing, observabilidad, seguridad) para llevar a producción soluciones robustas (RAG, agentes, automatización de procesos) alineadas con marcos de entrega confiable de GenAI • Diseñar y desarrollar servicios backend (REST/GraphQL) y microservicios que integren LLMs (Azure OpenAI, OpenAI, Vertex AI, Amazon Bedrock) y herramientas/funciones para ejecutar acciones sobre APIs internas/externas.

• Construir pipelines de RAG (ingesta, chunking, embeddings, almacenamiento vectorial, retrieval) y agentes con orquestadores (LangChain, LlamaIndex, Semantic Kernel, u otros) y mecanismos de tool/function calling.

• Implementar CI/CD (GitHub Actions,



GitLab CI, Azure DevOps, Jenkins), contenedores (Docker, Kubernetes) y observabilidad (logging, métricas, tracing).

• Asegurar calidad: TDD/BDD, pruebas unitarias/contract/integración; definir gateways de calidad (linting, SAST/DAST, escaneo de dependencias).

• Aplicar LLMOps/MLOps: versionado de prompts y artefactos, evaluación de calidad (exactitud, groundedness, toxicity), monitorización (latencia, coste, drift), y guardrails (políticas, contenidos, PII).

• Colaborar con arquitectura, datos, seguridad y negocio para aterrizar requisitos no funcionales (escalabilidad, resiliencia, coste) y gobierno/ética de IA (acceso a datos, cumplimiento).

• Documentar decisiones (ADRs), elaborar playbooks reutilizables y apoyar revisiones de código y mentoring de perfiles más junior.

• Contribuir a aceleradores internos y componentes reutilizables alineados con los marcos de capacidades de Data & AI.## Descripción larga
Para sentirte a gusto en la posición se requieren conocimientos en/de:
• Sólida base de ingeniería de software (3–7+ años, según seniority): diseño de APIs, patrones de integración, concurrencia/asíncrono, buenas prácticas de código (Clean Code, SOLID).

• Experiencia en Python y frameworks backend (FastAPI, Flask, Express, etc.).

• Git avanzado (branching model, pull requests, code review) y CI/CD en alguno de:



GitHub Actions / GitLab CI / Azure DevOps / Jenkins.

• Cloud (al menos una: Azure, AWS o GCP) con despliegue de cargas en contenedor (Docker; deseable Kubernetes).

• Integración con servicios de GenAI/LLMs (Azure OpenAI, OpenAI, Vertex AI, Bedrock): consumo de APIs, autenticación, gestión de costes y límites, prompting y evaluación básica.

• Conocimientos prácticos de RAG (embeddings, vector stores como FAISS, pgvector, Pinecone) y orquestadores (LangChain/LlamaIndex/Semantic Kernel).

• Testing (unit/integration/contract), monitorización (p.

ej., OpenTelemetry), y seguridad básica de APIs (OAuth2/OIDC, secretos, rate limiting).

• Inglés profesional (trabajo con documentación y equipos internacionales).

• LLMOps/MLOps: MLflow, Weights & Biases, Prompt Flow/Azure AI Studio evals, experiment tracking y dashboards de evaluación.

• Mentalidad de producto y obsesión por la calidad en producción.

• Colaboración con equipos multidisciplinares (arquitectura, datos, seguridad, negocio).

• Aprendizaje continuo en un entorno muy dinámico (nuevos modelos, frameworks, evaluaciones).

• Comunicación clara y documentación de decisiones.Además sería estupendo si tienes experiencia en:• Infra as Code (Terraform), Kubernetes avanzado (ingress, autoscaling, service mesh), event driven (Pub/Sub, Kafka).

• Observabilidad y fiabilidad: SLO/SLA, alerting, caídas controladas, chaos testing.

• Seguridad y cumplimiento en GenAI: redacción de guardrails, filtrado de PII, controles de contenido.

• Experiencia con Agentic AI (planificación, herramientas, memoria, equipos de agentes).## Descripción breveValoramos todas las candidaturas y ofrecemos formación pres

📌 IA Engineer (Madrid)
🏢 Capgemini
📍 Madrid