Ingeniero de Plataformas de IA

• Grado o Máster en Informática, Ingeniería de Software, IA o un campo relacionado.
• Más de 4 años en Ingeniería de Software o Desarrollo de Plataformas, con experiencia reciente demostrable en IA Generativa y/o Sistemas Agénticos.
• No es necesario que cumplas todos los requisitos. Lo que más importa es un sólido dominio de Python + experiencia práctica en aplicaciones de LLM + una mentalidad orientada a la plataforma/experiencia del desarrollador; esperamos que crezcas en el resto de las áreas.
• Ingeniería de IA / LLM. Experiencia práctica en la creación de aplicaciones impulsadas por LLM; familiaridad con patrones RAG y agénticos (ReAct, plan-and-solve, multi-agente) y un sentido claro de cuándo no utilizar un agente autónomo.
• Evaluación y calidad (núcleo). Diseño de entornos de evaluación, pruebas de oro y métricas de calidad de recuperación para sistemas LLM/RAG (fundamentación, precisión de recuperación, control de alucinaciones); ingeniería de contexto por encima de la selección de modelos.
• Desarrollo de Backend y API. Se valora altamente el dominio de Python (FastAPI, Pydantic, async); diseño y operación de servicios de backend de producción y APIs bien versionadas.
• Ingeniería de Plataforma / Experiencia del Desarrollador. Construcción de componentes reutilizables de autoservicio y caminos pavimentados (plantillas, SDKs, golden paths) y operación de servicios multi-inquilino en producción (SLOs, observabilidad, "tú lo construyes, tú lo gestionas").
• Desarrollo de software en todo el stack. Suficiente contexto en frontend, backend e infraestructura para contribuir en todo el stack de DevHub (con codificación asistida por IA); no es necesario ser un experto full-stack en cada capa.
• Cloud e infraestructura. Experiencia práctica en Azure y contenedores (Docker, Kubernetes/AKS); infraestructura como código (HCL/Terraform, modular).
• Gestión de datos y estado. Bases de datos relacionales/no relacionales (PostgreSQL) y almacenes vectoriales (por ejemplo, Azure AI Search); gestión de contexto y estado a escala.
• DevOps y operaciones de producción. CI/CD (Git, GitHub Actions), monitorización/observabilidad y mejores prácticas de seguridad en producción.
• Ecosistema de IA / LLM. Proveedores/APIs de LLM (OpenAI, Anthropic, Mistral), servicios de IA gestionados (Azure AI Foundry, Databricks) y el estándar MCP. (En DevHub, los modelos se consumen a través del AI Gateway interno, no directamente mediante los SDK de los proveedores).
• Seguridad y multi-tenencia. Autenticación/autorización, RBAC, aislamiento de inquilinos, salvaguardas, auditabilidad; conocimiento del OWASP LLM Top 10.
• Estándares agénticos más allá de MCP (por ejemplo, A2A); desarrollo agéntico basado en especificaciones ("spec-kit") con convenciones de AGENTS.md / habilidades.

• Databricks / Unity Catalog: la plataforma de datos central de DevHub; DevHub gobierna la cuenta y los entornos de Databricks (espacios de trabajo, Unity Catalog, ciclo de vida de blueprints), no el Enterprise Data Lake ni la distribución de datos. La familiaridad con esto es una gran ventaja.
• TypeScript junto con Python; Grafana; MLflow y pipelines de datos.
• FinOps / atribución de costes para funcionalidades de IA.
• Colas de mensajes / arquitecturas orientadas a eventos y de datos intensivos (por ejemplo, RabbitMQ, Azure Event Grid).
• Motores de flujo de trabajo / máquinas de estado; OpenTelemetry y trazado distribuido. Experiencia con EnvoyProxy.

• 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.

Buscamos un AI Engineer con perfil práctico para el DevHub de BASF, la Internal Developer Platform (IDP) utilizada por miles de ingenieros y equipos de producto en toda BASF. El DevHub ya ofrece un AI Gateway empresarial (más de 50 modelos gobernados, Entra ID, residencia de datos en la UE, facturación por centro de costes, observabilidad con Grafana) y un catálogo que es un grafo de conocimiento validado mediante esquemas de cada producto y su infraestructura. Tu misión es convertir la IA en una capacidad de plataforma de primer nivel: construir servicios de IA reutilizables y de grado de producción, así como experiencias de desarrollador que ayuden a los usuarios a descubrir, crear, configurar, operar, escalar y gobernar sus productos, integrados donde ya trabajan: el portal, el IDE (GitHub Copilot/MCP) y Teams. Tratarás la plataforma como un producto, entregando componentes de "camino pavimentado" (paved-road) que otros equipos puedan reutilizar, sirviendo tanto a humanos como a agentes, con el alcance multi-inquilino (multi-tenant), el seguimiento de costes, las salvaguardas y la gobernanza que exige una plataforma empresarial.

• Trata la plataforma como un producto. Construye caminos pavimentados y autoservicio: bloques de construcción de IA reutilizables (motor de recuperación/contexto compartido, librerías de salvaguardas y evaluación, una capa de MCP/herramientas), plantillas de generación (scaffolder), acceso mediante SDK/API e interfaces estables y versionadas, construidas una vez y reutilizadas en diversas funcionalidades.
• Entrega experiencias de IA que deleiten a los desarrolladores. Asistentes, copilotos y guías fundamentados y bien citados a lo largo del ciclo de vida del producto (por ejemplo, un asistente de conocimiento conversacional sobre nuestra documentación y catálogo), encontrándose con los usuarios en el portal, el IDE (Copilot/MCP) y Teams a través de una API compartida.
• Sirve a humanos y agentes. Expón las capacidades de la plataforma a través de una superficie MCP / SDK / API —con lectura prioritaria, consciente de RBAC y de inquilinos (tenant-aware)— para que los clientes de IA internos y externos puedan consultar y (más adelante, de forma controlada) actuar sobre la plataforma. Consulta el RFC de la AI-Assisted Platform Strategy.
• Hazte responsable de la evaluación y la calidad. Construye entornos de evaluación (eval harnesses), pruebas de oro (golden tests) y métricas de calidad de recuperación para que las funcionalidades sean correctas, estén fundamentadas y pasen pruebas de regresión en CI; invierte en ingeniería de contexto en lugar de en la búsqueda constante de modelos, ya que el Gateway ya resuelve la elección del modelo.
• Elige el patrón adecuado. Prioriza los pipelines deterministas + salidas estructuradas + intervención humana (human-in-the-loop) cuando los resultados sean estructurados; reserva la orquestación de múltiples pasos/múltiples agentes (Azure AI Foundry Agent Service, LangGraph / Microsoft Agent Framework) para tareas genuinamente abiertas, manteniendo bajo control las acciones que modifican el estado.
• Refuerza MLOps / LLMOps. Mejora la gestión de prompts/versiones, la adaptación de modelos, el CI/CD y el camino desde el experimento hasta la producción; trata los prompts y la recuperación como activos de producción probados y versionados.
• Construye para la multi-tenencia. Establece por defecto el alcance de contexto, herramientas y acciones por producto/por inquilino; integra la observabilidad (OpenTelemetry, Grafana, trazado distribuido) y la visibilidad de costes/FinOps por producto.
• Ayuda a avanzar en seguridad, protección y gobernanza. Hereda el RBAC de la plataforma (Entra ID / AccessIT), defiéndete contra el OWASP LLM Top 10, mantén el uso de la IA auditable y respeta los requisitos de la Ley de IA de la UE y de BASF, así como los de residencia de datos.