AI Engineer LLM, RAG & Agentes en Producción – Madrid

The Consulting Solutions; Madrid; On-site; EUR 55,000 - 85,000; Full time

Job summary

The Consulting Solutions en Madrid busca un/a AI Engineer para diseñar, construir y operar funcionalidades y productos con IA que llegan a clientes finales: convertir los avances en machine learning y modelos de lenguaje en sistemas fiables y escalables.

Se espera diseñar y mantener IA en producción, crear pipelines de datos para entrenamiento y embeddings, e implementar CI/CD para ML, monitorizando precisión, latencia y coste en la nube.

Qualifications

• Titulación en Informática, Ingeniería, IA/ML o experiencia equivalente.
• Dominio de lenguajes como Python, Java o C++.
• Experiencia práctica con LLM: prompt engineering, RAG, embeddings, bases de datos vectoriales, uso de herramientas y frameworks de agentes; se valora el fine-tuning.
• Arquitectura de software y diseño de APIs; nube (Azure, AWS o GCP), contenedores (Docker, Kubernetes) y CI/CD.

Responsibilities

• Diseñar y mantener soluciones de IA en producción: aplicaciones basadas en LLM, pipelines de RAG, flujos con agentes y servicios de modelos.
• llevar prototipos de científicos aplicados a servicios robustos, de baja latencia y coste eficiente.
• Definir y automatizar marcos de evaluación, pruebas de referencia y guardarraíles (precisión, seguridad, latencia y coste) y monitorizar en producción.
• Construir pipelines de datos para entrenamiento, fine-tuning, embeddings e inferencia.
• Implementar CI/CD para ML, versionado de modelos, seguimiento de experimentos y observabilidad en la nube.

Skills

Python

Java

C++

Education

Informática/Ingeniería/IA/ML

Tools

Docker

Kubernetes

CI/CD

Azure

AWS

GCP

Job description

The Consulting Solutions en Madrid busca un/a AI Engineer para diseñar, construir y operar funcionalidades y productos con IA que llegan a clientes finales: convertir los avances en machine learning y modelos de lenguaje en sistemas fiables y escalables.

Se espera diseñar y mantener IA en producción, crear pipelines de datos para entrenamiento y embeddings, e implementar CI/CD para ML, monitorizando precisión, latencia y coste en la nube.