Arquitecto de plataforma

Shakers; España; Presencial; EUR 70.000 - 120.000; Jornada completa

Descripción de la vacante

Shakers busca 3 arquitectos de plataforma de IA para diseñar y construir la plataforma de IA corporativa de una entidad financiera de referencia. La función abarca arquitectura multicloud, on-prem y Mainframe, con enfoque en IA autónoma, trazabilidad y cumplimiento.

Se requieren +5 años de experiencia en arquitectura técnica de entornos híbridos, experiencia en AI gateway, orquestación, gestión de contexto y control de costes. Se valorará conocimiento en seguridad y cumplimiento regulatorio.

Formación

• Más de 5 años de experiencia consolidada en arquitectura técnica de plataformas de IA.
• Experiencia en entornos híbridos (on-prem/kubernetes, VMware) o nube (Azure/AWS/GCP).
• Diseño e implantación de plataformas de IA de autoservicio: AI gateway, credenciales, enrutado, cuotas y control de coste.
• Arquitecturas de sistemas agénticos: orquestación, gestión de contexto y RAG.
• Harness engineering: entornos de ejecución de agentes, aislamiento y verificación.
• Gobierno de modelos: ciclo de vida, criterios de selección y trazabilidad de uso.

Responsabilidades

• Diseñar y construir la capa de acceso y mediación a modelos (AI gateway).
• Definir la arquitectura de sistemas agénticos y su orquestación.
• Diseñar harness engineering para ejecución reproducible y auditable.
• Implementar gobierno de modelos y trazabilidad de uso.
• Integrar IA en SSDLC: pipelines CI/CD, IaC y ejecución de agentes en Kubernetes.
• Definir controles de seguridad IA y observabilidad de costes.

Conocimientos

Arquitectura técnica

IA Platforms

MLOps / LLMOps

Seguridad de IA

Integración Mainframe

Multinube / on-prem

Herramientas

MCP

CI/CD pipelines

Kubernetes

VMware

Azure

AWS

GCP

Descripción del empleo

Buscamos 3 AI Platform Architects para diseñar y construir la plataforma de IA corporativa de una entidad financiera de referencia. Arquitectura sobre ecosistema híbrido: multicloud, on-prem y Mainframe.

El reto

El objetivo es que puedan construir, desplegar y operar capacidades de IA y sistemas agénticos de forma autónoma, segura y trazable. Diseñar sobre tecnología inmadura en un sector donde cada decisión tiene que ser auditable.

• 3 posiciones abiertas
• Diseñar y construir la capa de acceso y mediación a modelos (AI gateway): credenciales, enrutado, cuotas y control de coste
• Definir la arquitectura de los sistemas agénticos: orquestación, gestión de contexto, integración de herramientas (MCP, function calling) y patrones RAG
• Harness engineering: diseñar el entorno de ejecución de los agentes (contexto, herramientas, aislamiento, permisos y verificación) para que el resultado sea repetible y revisable
• Montar el gobierno de modelos: ciclo de vida de los modelos aprobados, criterios de selección, evaluación de calidad y trazabilidad de uso
• Integrar la IA en el SSDLC: pipelines CI/CD, IaC y ejecución de agentes en Kubernetes
• Diseñar los controles de seguridad específicos de IA (prompt injection, fuga de datos, aislamiento de ejecución) y la observabilidad del coste
• Bajar al barro: tomar decisiones técnicas en contexto real y responder de que lo construido sea coherente con el diseño
• +5 años de experiencia consolidada en arquitectura técnica en tu dominio de especialización
• Experiencia profunda y demostrable en al menos uno de estos entornos, entendiendo bien el modelo híbrido: on-prem (Kubernetes on-prem, VMware) o cloud (Azure, AWS, GCP)
• Diseño e implantación de plataformas de IA de autoservicio: AI gateway, credenciales, enrutado, cuotas, control de coste
• Arquitectura de sistemas agénticos: orquestación, gestión de contexto, MCP, function calling, RAG
• Harness engineering y gobierno de modelos
• Seguridad específica de IA y observabilidad del uso de modelos
• Integración de IA en el SSDLC: CI/CD, IaC, agentes en Kubernetes
• Comunicación técnica clara con equipos de tecnología y criterio sobre qué se automatiza y qué necesita control humano
• Marco regulatorio de IA en sector financiero: EU AI Act, DORA, riesgo de terceros y de proveedores de modelos
• MLOps o LLMOps: modelos propios o autoalojados, fine-tuning, gestión de artefactos
• Entornos Mainframe y su integración con la plataforma
• Adopción de herramientas de asistencia al desarrollo con IA a escala de organización
• Experiencia en banca o sectores regulados