Ingeniero de Flujos de Trabajo SDLC Agénticos / AI SWE

• Más de 5 años de experiencia en ingeniería en desarrollo de software, automatización DevOps, ingeniería de plataformas o implementación de flujos de trabajo de IA. 
• Sólidas habilidades prácticas en Python, experiencia en integración de APIs y conocimiento práctico de frameworks de orquestación, patrones RAG, llamada a herramientas (tool calling) y bucles de evaluación. 
• Experiencia transformando prototipos en flujos de trabajo de ingeniería reutilizables con interfaces claras, registro (logging), gestión de errores, configuración y disciplina de mantenibilidad. 
• Buen conocimiento de CI/CD, flujos de trabajo de Git, contenedores, Kubernetes, documentación de arquitectura de software y entornos de software en la nube modulares. 
• Excelentes habilidades de comunicación escrita para crear documentación de flujos de trabajo, paquetes de evidencia, guías de uso y soporte de decisiones para partes interesadas de alto nivel. 
• Capacidad para trabajar en entornos ambiguos y sensibles a la confidencialidad donde los resultados de la IA deben ser revisados, justificados y convertidos en evidencia de ingeniería fiable. 

Ejemplos de herramientas de mercado, modelos y plataformas de SDLC esperados 

• Frameworks de flujos de trabajo agénticos como LangGraph, AutoGen, CrewAI, OpenAI Agents SDK, LlamaIndex Workflows, Semantic Kernel o pilas de orquestación comparables. 
• Plataformas de desarrollo de IA e integraciones de editores como Cursor, Windsurf, Claude Code, Continue, Cline, Aider o asistentes internos compatibles con VS Code. 
• Familias de modelos relevantes para la automatización del SDLC como DeepSeek Coder, Qwen/Qwen-Coder, CodeGeeX, StarCoder, Code Llama, Mistral o modelos de vanguardia alojados en la empresa. 
• Componentes de soporte que incluyen bases de datos vectoriales, almacenes de grafos, indexación de código, wrappers de OpenAPI, APIs de GitLab/GitHub, APIs de Jenkins, observabilidad y paneles de evaluación. 

• Construir flujos de trabajo reutilizables asistidos por IA para el análisis de repositorios, escaneo de código, descomposición de servicios, descubrimiento de dependencias, diagnóstico de compilaciones y generación de documentación. 
• Empaquetar prompts, herramientas, capas de recuperación, enrutamiento de modelos, comprobaciones de evaluación, reintentos y pasos de aprobación humana en aceleradores de ingeniería repetibles. 
• Integrar flujos de trabajo de IA con plataformas Git, sistemas CI/CD, almacenes de documentación, rastreadores de incidencias, resultados de pruebas, catálogos de servicios y repositorios de evidencia de arquitectura. 
• Crear resultados de flujo de trabajo que sigan siendo auditables, incluyendo referencias de origen trazables, indicadores de confianza, puntos de control para revisores y suposiciones explícitas. 
• Experimentar con modelos de codificación de código abierto, de pesos abiertos y modelos chinos en entornos aprobados para comparar su utilidad en la automatización del SDLC y tareas de transferencia. 
• Apoyar a los responsables de paquetes de trabajo traduciendo preguntas de ingeniería ambiguas en flujos de trabajo estructurados asistidos por IA y entregables validados. 

• Entorno internacional, dinámico y colaborativo.
• T-Social: iniciativas sociales (deportes, comunidad, salud,...).
• Modelo de trabajo híbrido (remoto/presencial).
• Horario de trabajo flexible.