NAIIANes una startup Deep Tech europea, confinanciación sóliday equipo fundador en Madrid.
Construimos unaplataforma cloud con IA aplicada para clientes que operan en contextos de alta exigencia operativa y decisional.
Trabajamos con documentos, fuentes verificables, permisos, workflows asistidos por IA, auditabilidad y mecanismos de aprobación humana.
La IA en NAIIAN no es una demo ni una capa decorativa: tiene que ser útil, medible, auditable, segura y operable.
Estamos formando la primera ola de ingeniería de la compañía: founding engineers generalistas con un área clara de profundidad, que trabajan directamente con el equipo fundador, con mucha autonomía técnica y ciclos de decisión muy cortos.
Sobre el rolBuscamos una persona que convierta capacidades de IA en producto real: agentes sobreAWS Bedrock ,RAG, action groups/tools, skills, structured outputs, tool calling, workflows asistidos por IA, evaluación funcional,model routing, trazabilidad yhuman-in-the-loop.
La IA deNAIIANdebe saber qué fuentes usó, qué coste tuvo, qué modelo intervino, qué permisos aplicaban y cuándo debe pedir revisión humana.
Es un rol para alguien que ya pasó de la fase demo y quiere construir IA operable, medible y defensible, aplicada a decisiones sensibles.
Este rol trabaja muy cerca de Data Engineering, Backend, Frontend y Cloud: Data se encargará de la base de información, ingesta, calidad y trazabilidad documental; tu foco será convertir esa base en agentes, action groups/tools y flujos inteligentes, gobernables y útiles para usuarios reales.
Trabajarás directamente con CTO, CPO, Data Engineering y equipo fundador.
Stack de referencia:AWS Bedrock y Bedrock Agents (action groups/tools, skills, Knowledge Bases), RAG con citación y source attribution, structured outputs, tool/function calling, evals (golden sets, Ragas,
DeepEval o equivalentes) y guardrails; experiencia equivalentecon OpenAI, Anthropic, Gemini, Vertex AI, Azure OpenAI o modelos open-weight también encaja; backend en Python/Django (FastAPI o Flask encajan; integración con Java/Spring o stacks equivalentes suma); observabilidad por modelo, proveedor, tenant, coste, latencia, retrieval context y resultado.
No exigimos coincidencia exacta con cada herramienta: valoramos experiencia equivalente y criterio.
Construir workflows asistidos por IA con structured outputs, tool calling y validación fuerte.
Diseñar y construir agentes sobre AWS Bedrock, incluyendo action groups/tools, skills, action flows, permisos, estados y trazabilidad.
Integrar LLMs comerciales u open-weight con criterios de coste, latencia, calidad, privacidad y portabilidad.
Diseñar estados, retries, checkpoints e idempotencia para flujos que no pueden perder contexto.
Implementar mecanismos human-in-the-loop: revisión, aprobación, rechazo y escalado.
Construir RAG y retrieval-aware workflows sobre múltiples fuentes de datos en colaboración con Data Engineering.
Crear eval harnesses para medir calidad funcional, veracidad, completitud, coste, latencia y tasa de error.
Exponer capacidades de IA como servicios internos sostenibles para backend y frontend.
Diseñar guardrails, controles contra prompt injection y límites claros para agentes y tool use.
Aplicar desarrollo agéntico también al propio proceso de ingeniería:
specs, coding agents, Skills/SKILLS, prompts y evals de cambios.
Colaborar con producto para convertir capacidades de IA en experiencias comprensibles y accionables.
Qué buscamosTrack record construyendo y operando aplicaciones con LLMs o automatizaciones complejas en producción.
Experiencia real con agentes, RAG, tool/function calling, structured outputs o workflows asistidos por IA.
Experiencia o criterio práctico con AWS Bedrock, Bedrock Agents, action groups/tools, Knowledge Bases o servicios equivalentes.
Dominio de validación de esquemas, manejo robusto de errores y outputs estructurados.
Experiencia diseñando workflows stateful o durables con estados, transiciones, retries y checkpoints.
Criterio evidente sobre human-in-the-loop, approval flows y escalamiento a humano.
Entendimiento práctico de trade-offs entre modelos: coste, latencia, calidad, contexto, tool calling y portabilidad.
Backend sólido en Python/Django, comodidad con APIs de LLM, PostgreSQL, contratos internos e integración con servicios de producción.
FastAPI o Flask también encajan como alternativas.
Experiencia o ganas reales de trabajar con coding agents como Codex, Claude Code, Gemini o equivalentes, usando specs y revisión rigurosa.
Valoraremos especialmente:Haber trabajado con AWS Bedrock Agents, Knowledge Bases for Bedrock, action groups/tools, skills o capacidades equivalentes.
Haber trabajado con OpenAI Structured Outputs, function calling, Anthropic tools, Gemini function calling o capacidades equivalentes.
Experiencia con LangGraph, agentic workflows o frameworks equivalentes.
Haber diseñado evaluaciones funcionales para flujos de IA en producción.
Haber usado coding agents para acelerar desarrollo de aplica
📌 Founding Senior Applied Ai Engineer (Madrid)
🏢 naiian
📍 Madrid