AI Engineer

• Salario competitivo alineado con tu experiencia y el mercado de datos

• Ticket de comida: 10,20 €/día

• Plan de beneficios flexibles

• Seguro médico privado

• 22 días de vacaciones anuales, que aumentan cada 3 años (hasta 25 días)

• Aprendizaje continuo a través de KLX - Keyrus Learning Experience

• Un entorno de trabajo colaborativo, internacional y centrado en las personas

En Keyrus, los rangos salariales reflejan diferentes niveles de maestría e impacto dentro del mismo puesto, no diferentes títulos de trabajo.

• Parte inferior del rango
  Cumples los requisitos básicos y necesitarás tiempo de adaptación y apoyo.

• Parte media del rango
  Eres totalmente autónomo desde el primer día y entregas resultados de forma constante.

• Parte superior del rango
  Eres un referente para el puesto, mentorizas a otros y elevas el nivel del equipo.

Las ofertas finales se basan en la experiencia, autonomía, alcance y contexto del mercado, y se discuten de forma transparente durante el proceso.

Como AI Engineer, ayudarás a las organizaciones a transformar la complejidad en resultados medibles combinando tecnología, datos, inteligencia y la toma de decisiones humana.

Este rol es tanto técnico como consultivo: perfecto para alguien que pueda combinar ingeniería de IA práctica, diseño de soluciones y una estrecha colaboración con los equipos de los clientes. Buscamos profesionales que piensen como arquitectos y actúen como constructores.

Tu enfoque es la capa de inteligencia de la solución: cómo se integran los modelos, cómo se recupera la información, cómo se comportan los agentes, cómo se evalúa la calidad y cómo rinde la capacidad una vez desplegada. Trabajarás estrechamente con Software Engineers, Data Engineers, AI Foundation Architects, Forward Deployed Engineers y especialistas en AI Governance, manteniendo al mismo tiempo la responsabilidad clara sobre el comportamiento de la IA y la calidad de la solución.

• Diseñar y construir capacidades de IA en producción, incluyendo sistemas RAG, asistentes inteligentes y flujos de trabajo habilitados por agentes alineados con la arquitectura de solución aprobada.

• Diseñar el comportamiento de los agentes a través de instrucciones, contexto, herramientas, estado, enrutamiento, memoria, recuperación, condiciones de parada y puntos de control humanos adecuados.

• Integrar y configurar modelos mediante APIs o plataformas compatibles, realizando los compromisos adecuados entre capacidad, calidad, latencia, coste y requisitos operativos.

• Diseñar evaluaciones y puertas de calidad utilizando conjuntos de datos representativos, pruebas automatizadas y de regresión, medidas de éxito de tareas, fundamentación (groundedness) y otros indicadores relevantes.

• Desplegar, monitorizar y mejorar las capacidades de IA en producción, utilizando los resultados de la evaluación y el comportamiento observado del sistema para impulsar la mejora continua.

• Implementar mecanismos de fiabilidad y control tales como validación, guardrails, gestión de fallos y supervisión humana, dentro de los estándares de arquitectura y gobernanza definidos para el proyecto.

• Integrar las capacidades de IA con la solución circundante y los sistemas del cliente, trabajando con Software Engineers en interfaces de aplicación y con Data Engineers en la recuperación, calidad de datos y datos preparados para IA.

• Capacitar a los equipos de clientes para ejecutar y ampliar los agentes tras la puesta en marcha.

• Documentar y reutilizar lo que funciona, incluyendo el comportamiento de la IA, dependencias, criterios de evaluación, limitaciones y patrones de ingeniería que fortalezcan futuros proyectos de Keyrus.

📍 Ubicación del puesto: Portugal (visitas a la oficina de Lisboa o Madrid cuando sea necesario)
🕒 Tipo de contrato: Empleado
🗓 Fecha de inicio prevista: enero de 2027
⏰ Jornada: Completa
💵 Compensación: 42k€-58k€ al año

• Eres un ingeniero práctico (hands-on) que entiende que un modelo es solo una parte de un sistema inteligente.

• Te importa lo que sucede después de que el modelo responde: si el contexto era el correcto, si el agente eligió la acción apropiada y si el resultado se mantiene cuando se ejecuta repetidamente en producción.

• Realizas compromisos técnicos pragmáticos en lugar de buscar la elección tecnológica perfecta.

• Utilizas evidencias y evaluaciones para mejorar los sistemas, y comunicas las limitaciones con claridad.

• Sabes cuándo un problema pertenece a la Ingeniería de IA y cuándo debe encargarse otro especialista.

• Combinas la curiosidad por las nuevas capacidades con la disciplina de ingeniería necesaria para hacerlas operativas.

• Te sientes cómodo trabajando en equipos internacionales y colaborativos y junto a los interlocutores del cliente.

• Sólidos conocimientos de Python y fundamentos de ingeniería de software, incluyendo APIs, testing, control de versiones, revisión de código y código de producción mantenible.

• Experiencia práctica diseñando y mejorando sistemas RAG y basados en recuperación, incluyendo la preparación del contexto, la calidad de la recuperación, la fundamentación y las dependencias de datos relevantes.

• Experiencia práctica en ingeniería de agentes de IA o flujos de trabajo de IA de varios pasos, incluyendo el uso de herramientas, gestión de contexto, enrutamiento, estado, gestión de fallos y control humano.

• Experiencia creando evaluaciones para sistemas de LLM o de agentes, utilizando criterios medibles y casos de prueba representativos para evaluar el comportamiento y detectar regresiones.

• Experiencia integrando proveedores de modelos comerciales o de código abierto, e integrando la IA con aplicaciones empresariales, APIs, fuentes de datos y sistemas de flujo de trabajo (por ejemplo, CRM, ERP, MCP, webhooks)

• Capacidad para vincular el comportamiento del agente con el KPI de negocio al que sirve.

• Conocimiento práctico de guardrails a nivel de solución, validación, supervisión humana y prácticas de ingeniería de IA responsable.

• Familiaridad con al menos un ecosistema importante de nube o IA, además de prácticas de contenerización, CI/CD, observabilidad y LLMOps, y la capacidad de optimizar la calidad, la latencia, el uso del contexto y el coste de inferencia.

• Profundidad en uno o más ecosistemas como LangGraph, LangChain, LlamaIndex o Semantic Kernel; OpenAI, Anthropic, Google, Microsoft o modelos de código abierto; y pgvector, Pinecone, Weaviate o Milvus. Estos son ejemplos, no una lista de verificación.

• Utilizas evaluaciones y evidencias de producción para guiar las decisiones de ingeniería.

• Equilibras calidad, fiabilidad, latencia, coste, seguridad y mantenibilidad.

• Diagnosticas el comportamiento inesperado de la IA de forma sistemática en lugar de tratar la salida del modelo como una caja negra.

• Comprendes tu autoridad de decisión e involucras al especialista adecuado cuando una decisión pertenece a arquitectura, software, datos, gobernanza o entrega.

• Comunicas los compromisos técnicos de forma clara y pragmática.

• Transformas los patrones de ingeniería exitosos en conocimiento reutilizable que mejora las entregas futuras.