Líder de Soluciones IA/LLM/RAG (Senior Architect – MLOps & RAG Systems)

Ubicación: Presencial en Madrid 

Experiencia: +5 años en desarrollo de software y +3 liderando soluciones IA/LLM

Tipo de contrato: Indefinido / Proyecto estable

🎯 Responsabilidades clave

Arquitectura LLM/RAG: definición de la referencia (ingesta, chunking, indexación, retrieval, re-ranking, guardrails) con FAISS/Chroma/Elasticsearch y embeddings adecuados al caso de uso.

Evaluación: métricas automáticas, LLM, golden sets y experimentación controlada para reducir alucinaciones.

Orquestación y agentes: diseño de planners/executors, function/tool calling y colas de trabajo (LangChain + Celery + RabbitMQ).

MLOps end-to-end: tracking de experimentos, versionado de artefactos/modelos, model registry, CI/CD, canary releases y A/B testing.

Despliegue y operación: APIs (FastAPI tras NGINX), jobs batch (Celery), contenedores (Docker/Kubernetes), IaC (Terraform) en Azure/AWS y on-prem.

Observabilidad: monitorización de drift, SLIs/SLOs (latencia p95, error rate, coste/consulta), alertas y dashboards.

Optimización: tuning de prompts/modelos, cuantización/cuotas, políticas de caching y costes.

Datos e índices: diseño de stores (PostgreSQL, MongoDB) y búsqueda (Elasticsearch); gobierno de esquemas y retención.

Buenas prácticas: seguridad y RGPD, control de acceso, auditoría; documentación viva, ADRs y transferencia de conocimiento al equipo.

✅ Requisitos esenciales

5+ años en desarrollo de software y 3+ liderando soluciones de IA/LLM en producción.

Experiencia probada diseñando y operando plataformas RAG (retrieval, re-ranking, guardrails y evaluación automática).

Sólidos conocimientos en Python y diseño de APIs (FastAPI/Django), colas (RabbitMQ) y procesamiento batch (Celery).

Experiencia en MLOps: tracking de experimentos, versionado, observabilidad, CI/CD y despliegue en Docker/Kubernetes tras NGINX.

Conocimiento práctico de Elasticsearch y almacenes vectoriales (FAISS/Chroma).

Experiencia en Cloud (Azure/AWS) y IaC (Terraform).

⭐ Deseables

Experiencia en recomendación y ranking (LightGBM/embeddings) y experimentación A/B.

Gobierno de prompts y catálogos; hardening de seguridad, cumplimiento (RGPD/AI Act) y gestión de PII.

🧩 Stack de referencia

Python, FastAPI, Celery, RabbitMQ, FAISS/Chroma, Elasticsearch, PostgreSQL, MongoDB, Docker, Kubernetes, NGINX, Terraform, Azure/AWS, LangChain, LangGraph.