Ai Engineer

Forma parte del futuro de Paradigma

En Paradigma buscamos incorporar un/a AI Engineer especializado/a en Inteligencia Artificial Generativa , con experiencia en la construcción y despliegue de soluciones basadas en LLMs, arquitecturas RAG y sistemas agénticos .

Como AI Engineer, actuarás como referente técnico en la creación de soluciones de IA Generativa y participarás en funciones como:

• Diseñar y desarrollar soluciones basadas en LLMs y modelos fundacionales .
• Implementar pipelines avanzados de RAG , arquitecturas GraphRAG y sistemas de recuperación híbrida.
• Construir agentes autónomos y soluciones basadas en arquitecturas multiagente.
• Orquestar flujos complejos mediante frameworks como LangChain y LangGraph .
• Gestionar el contexto, el estado y la memoria de agentes para garantizar interacciones coherentes.
• Integrar las soluciones de IA con APIs, servicios y fuentes de datos corporativas mediante Tool Calling .
• Diseñar, desplegar y mantener servidores basados en Model Context Protocol — MCP .
• Procesar, transformar e ingerir datos no estructurados procedentes de distintas fuentes documentales.
• Implementar validaciones, controles y guardrails para reducir alucinaciones y proteger datos sensibles.
• Diseñar mecanismos de evaluación, observabilidad y trazabilidad de modelos y aplicaciones LLM.
• Empaquetar, desplegar y poner en producción soluciones de IA Generativa aplicando buenas prácticas de LLMOps .
• Desarrollar pruebas unitarias y de integración y participar en procesos de integración y despliegue continuo.

Forma parte del futuro de Paradigma

Formarás parte de proyectos innovadores en los que trabajarás en todo el ciclo de vida de las soluciones de IA Generativa: desde el diseño y la experimentación hasta su puesta en producción mediante prácticas de LLMOps . ¿Que buscamos?

En Paradigma buscamos incorporar un/a AI Engineer especializado/a en Inteligencia Artificial Generativa , con experiencia en la construcción y despliegue de soluciones basadas en LLMs, arquitecturas RAG y sistemas agénticos .

Responsabilidades

• Diseñar y desarrollar soluciones basadas en LLMs y modelos fundacionales .
• Implementar pipelines avanzados de RAG , arquitecturas GraphRAG y sistemas de recuperación híbrida.
• Construir agentes autónomos y soluciones basadas en arquitecturas multiagente.
• Orquestar flujos complejos mediante frameworks como LangChain y LangGraph .
• Gestionar el contexto, el estado y la memoria de agentes para garantizar interacciones coherentes.
• Integrar las soluciones de IA con APIs, servicios y fuentes de datos corporativas mediante Tool Calling .
• Diseñar, desplegar y mantener servidores basados en Model Context Protocol — MCP .
• Procesar, transformar e ingerir datos no estructurados procedentes de distintas fuentes documentales.
• Implementar validaciones, controles y guardrails para reducir alucinaciones y proteger datos sensibles.
• Diseñar mecanismos de evaluación, observabilidad y trazabilidad de modelos y aplicaciones LLM.
• Empaquetar, desplegar y poner en producción soluciones de IA Generativa aplicando buenas prácticas de LLMOps .
• Desarrollar pruebas unitarias y de integración y participar en procesos de integración y despliegue continuo.

Debes tener experiencia en:

• Al menos 3 años de experiencia en proyectos de Inteligencia Artificial Generativa .
• Sólidos conocimientos de ingeniería de software, principios de Clean Code y diseño de arquitecturas.
• Experiencia demostrable diseñando arquitecturas para soluciones GenAI, seleccionando agentes, modelos fundacionales, bases de datos vectoriales y herramientas de orquestación.
• Dominio de Python y experiencia con TypeScript .
• Experiencia trabajando con bases de datos vectoriales y optimizando búsquedas semánticas, híbridas y por similitud.
• Conocimiento avanzado de frameworks como LangChain, LangGraph o LangFlow .
• Experiencia en la construcción y orquestación de agentes autónomos y sistemas multiagente.
• Experiencia práctica en integración corporativa mediante APIs, Tool Calling y servidores MCP.
• Conocimiento de técnicas avanzadas de RAG, ingesta documental automatizada y arquitecturas basadas en grafos de conocimiento, como GraphRAG.
• Experiencia en el preprocesamiento de datos no estructurados complejos.
• Conocimiento de mecanismos de seguridad, validación y prevención de alucinaciones.
• Experiencia aplicando prácticas de LLMOps: observabilidad, evaluación, trazabilidad y monitorización de soluciones basadas en LLMs.
• Conocimiento de herramientas como Langfuse, LangSmith o similares .
• Experiencia trabajando con Git, Docker y pipelines de CI/CD .
• Experiencia creando pruebas unitarias, pruebas de integrac