Remoto: Trabajo híbrido
Buscamos un/a Ingeniero/a de IA Generativa con experiencia intermedia para incorporarse a un equipo enfocado en el diseño y desarrollo de soluciones avanzadas basadas en modelos de lenguaje y sistemas agenticos. La persona seleccionada participará en la construcción de aplicaciones inteligentes, pipelines de datos y arquitecturas escalables en entornos cloud.Puesto híbrido en Madrid. 2 días en la oficina, 3 días de teletrabajo.Responsabilidades principales- Diseñar, desarrollar y desplegar aplicaciones basadas en IA generativa.- Implementar soluciones utilizando frameworks como LangChain y LangGraph para orquestación de agentes y flujos complejos.- Construir e integrar pipelines de RAG (Retrieval-Augmented Generation) para mejorar la precisión y relevancia de los modelos.- Desarrollar e integrar APIs REST para la exposición de servicios de IA.- Colaborar en la definición de arquitecturas escalables en entornos cloud (Azure o GCP).- Participar en la automatización de procesos mediante pipelines CI/CD.- Contenerizar aplicaciones utilizando Docker para entornos reproducibles y portables.- Evaluar y optimizar el rendimiento de modelos y sistemas agenticos.Requisitos técnicos- Experiencia: 2 a 4 años en desarrollo de software, con foco en IA/ML o sistemas backend avanzados.- Python (nivel avanzado).- Experiencia con LangChain o frameworks similares.- Conocimiento de LangGraph o herramientas similares para orquestación de agentes.Infraestructura y despliegue:- Docker.- CI/CD (GitHub Actions, GitLab CI, u otros).- Experiencia en entornos cloud (Azure o GCP).- Desarrollo e integración de APIs REST.Conceptos de IA:- Experiencia práctica con arquitecturas RAG.- Conocimiento de modelos de lenguaje (LLMs) y su integración en aplicaciones.- Familiaridad con patrones de diseño de sistemas agenticos.Valorable- Experiencia con vector databases (FAISS, Pinecone, Weaviate, etc.).- Conocimientos en observabilidad y evaluación de modelos de IA.- Experiencia en prompt engineering y fine-tuning.- Conocimientos básicos de MLOps.