# Senior GenAI Software EngineerMadridApply for this job* Permanente* Profesionales con experiencia* Data & AI* ID -es _ES## Job DescriptionElegir Capgemini significa elegir una empresa donde tendrás la libertad de diseñar tu carrera profesional 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 GenAIDiseñar 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 largaPara 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 competente (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 presencial, online y certificaciones.
Aunque no cumplas el 100% de los requisitos, queremos conocerte
¿Qué te gustará de trabajar aquí?
- Proyectos variados y desafiantes: Trabajarás en retos multisectoriales, evitando la rutina y exponiéndote a tecnologías diversas.
- Flexibilidad y modelo híbrido: Cultura orientada al equilibrio vida trabajo.
- Aprendizaje continuo:

📌 Ia Engineer (Madrid)
🏢 Capgemini
📍 Madrid