Ingeniero de IA - Agentic Coding

• Ingeniero en activo. Escribes código de calidad de producción y se te ha confiado sistemas reales. No somos prescriptivos con el stack: lo que cuenta es el conocimiento profundo de cualquier lenguaje moderno de código abierto. Python y TypeScript son los que más aparecen aquí, pero también se agradecen perfiles sólidos en Go, Rust, Kotlin o similares.
• Uso diario de herramientas de codificación agéntica (Claude Code, GitHub Copilot, Cursor, Codex) con una comprensión clara de sus limitaciones, así como de sus fortalezas.
• Familiaridad con la mecánica subyacente: APIs de LLM y llamada a herramientas (tool calling), MCP, gestión de contexto, diseño de agentes y prompts, economía de tokens y modos de fallo comunes.
• Fundamentos de ingeniería: Git, CI/CD, contenedores y al menos una plataforma en la nube.
• Un enfoque basado en la evidencia. Puedes diseñar una prueba que responda a una pregunta y revisar tu opinión cuando los resultados indiquen que debes hacerlo.
• Responsabilidad (Accountability). Asumes la propiedad de las tareas en lugar de trabajar bajo supervisión estrecha: identificas dónde reside el potencial de mejora, desarrollas tu propio concepto para ello y lo llevas hasta su adopción. Gran parte de este trabajo no está especificado de antemano: lo definirás más a menudo de lo que lo recibes, y se te medirá por el resultado más que por el esfuerzo.
• Velocidad. Prefieres poner una mejora funcional en manos de los ingenieros este mes y perfeccionarla, antes que diseñar la solución completa primero. Limitas el tiempo de tus evaluaciones y te centras en lo que más importa en lugar de hacer un poco de todo.
• Mentalidad de mejora. Abogas por la mejor solución en lugar del compromiso más fácil, das feedback sincero y constructivo en lugar de frases vacías, y aportas activamente perspectivas externas (del mercado, del código abierto, de otras organizaciones de ingeniería) en lugar de trabajar solo basándote en cómo hacemos las cosas hoy.
• Fuertes habilidades de enseñanza y comunicación. Hacer que otros ingenieros sean eficaces es una parte central del rol, no un efecto secundario. Generas impulso para nuevas formas de trabajar en lugar de escepticismo.
• Inglés fluido, escrito y hablado.

• Trabajo público que podamos revisar: un perfil de GitHub, contribuciones de código abierto, un servidor MCP, una herramienta, artículos o charlas.
• Experiencia con plataformas de desarrollo internas como Backstage, o con sistemas de scaffolding y plantillas.
• Experiencia con métricas de DevEx y productividad de los desarrolladores (DORA, SPACE, DX Core 4 o similares).
• Una trayectoria en la que otros ingenieros fueran tus usuarios: ingeniería de soluciones o desplegada en el cliente (forward-deployed), relaciones con desarrolladores (DevRel), consultoría, equipos de plataforma o docencia.

• Un entorno de trabajo seguro porque tu salud, seguridad y bienestar son siempre nuestra prioridad.
• Horario de trabajo flexible y opciones de teletrabajo, para que puedas equilibrar tu vida laboral y privada.
• Oportunidades de aprendizaje y desarrollo.
• 25 días de vacaciones al año
• 5 días adicionales (reajuste).
• Un entorno de trabajo colaborativo, de confianza e innovador.
• Formar parte de un equipo internacional y trabajar en proyectos globales.
• Se ofrece ayuda para la relocalización a Madrid.

En BASF, la química es la adecuada.

Porque contamos con soluciones innovadoras, con acciones sostenibles y con un pensamiento conectado. Y contigo. Forma parte de nuestra fórmula del éxito y desarrolla el futuro con nosotros, en un equipo global que abraza la diversidad y la igualdad de oportunidades independientemente del género, la edad, el origen, la orientación sexual, la discapacidad o las creencias.

Este puesto encaja con un ingeniero que tenga un interés activo en cómo la codificación agéntica cambia el trabajo de software, en lugar de un interés general en la IA.

Cuando se lanza un nuevo modelo o una nueva función de agente, la pruebas en cuestión de días, aplicándola a tus propios problemas complejos en lugar de a un ejemplo de juguete: una refactorización de código heredado cuya estructura ya conoces, una suite de pruebas que se resiste, una migración que ya has realizado anteriormente a mano. Tus opiniones provienen de eso, no de leer sobre ello, y puedes distinguir una mejora real de capacidad de una demo bien producida. La pregunta de segundo orden te interesa tanto como el resultado: si esto se mantiene, ¿qué cambia en nuestra forma de revisar código, estructurar repositorios, escribir especificaciones y ejecutar CI?

Probablemente te reconozcas en lo siguiente:

• Escribes e iteras tu propia configuración de agente (archivos de instrucciones, comandos personalizados, subagentes, servidores MCP) en lugar de aceptar los valores predeterminados.
• Sabes lo diferente que se comportan estas herramientas en una base de código grande, antigua e inconsistente en comparación con un proyecto "greenfield", y tienes opiniones sobre qué hace que un repositorio sea navegable para un agente.
• Has revisado mucho código escrito por agentes y puedes decir dónde falla de forma fiable: cambios que pasan las pruebas pero son incorrectos, refactorizaciones plausibles que pierden comportamiento silenciosamente, trabajos que parecen terminados y no lo están.
• Te importa el estado de la base de código, no solo el rendimiento. Has visto con qué rapidez puede erosionarse la calidad cuando la generación es barata y la revisión no lo es.
• Disfrutas haciendo que otros ingenieros sean más efectivos. La enseñanza es una parte sustancial de este rol, no una obligación ocasional.
• Ya sigues este campo de cerca en tu tiempo libre. Lo que este rol añade es el mandato, el presupuesto y las horas de trabajo para hacerlo adecuadamente.

• Enseñar a los ingenieros cómo utilizar las nuevas capacidades de forma eficaz; no solo que existe una función, sino qué cambia en el trabajo diario, demostrado en nuestro propio código.
• Trabajar directamente con los equipos en sus problemas reales: emparejamiento (pairing), depuración de flujos de trabajo de agentes e investigación de por qué una herramienta que funciona bien en una demo no funciona en nuestras bases de código.
• Dirigir sesiones, horas de consulta (office hours), demos y guías escritas, y convertir los problemas recurrentes del campo en mejoras permanentes.

• Equipar nuestras plantillas y "golden paths" con entornos para agentes: archivos de instrucciones de agentes, configuración de servidores MCP, comandos personalizados y subagentes, permisos de herramientas y valores predeterminados sensatos, para que los servicios funcionen bien con herramientas agénticas desde el primer día.
• Definir y realizar el seguimiento de las métricas de DevEx que muestren si estos cambios tienen un impacto real (adopción, tiempo de ciclo, rendimiento de entrega, fricción reportada por los desarrolladores), para que los cambios en las plantillas y los cambios de modelo puedan evaluarse basándose en evidencias.
• Poner los modelos recién aprobados a disposición de los equipos a través de nuestra capa de herramientas existente.

• Probar nuevos modelos a medida que se lanzan, tanto de código abierto como comerciales, y establecer cómo sus capacidades se comparan con los modelos de vanguardia que ya utilizamos.
• Evaluar frente a tareas que reflejen nuestro trabajo real en lugar de tablas de clasificación públicas, y ser específico sobre dónde un modelo más barato o abierto es suficiente y dónde no lo es.

• Seguir el panorama y distinguir los desarrollos sustanciales del ruido, cubriendo herramientas, protocolos, patrones de agentes y flujos de trabajo.
• Realizar evaluaciones estructuradas y con tiempo limitado de conceptos prometedores en nuestro propio contexto, y documentar qué se probó, qué recomiendas y qué no deberíamos perseguir por ahora.