Backend developer​/AI Engineer; H​/M​/X

Seleccionamos un/a desarrollador backend/AI para incorporación directa en plantilla de cliente final.

• Al menos 5 años de experiencia en desarrollo backend con JAVA.
• Amplia experiencia en la creación de API, servicios, integraciones y sistemas de backend
• Experiencia práctica en la integración con API de modelos de lenguaje grande (LLM) o plataformas de IA
• Conocimiento de los flujos de trabajo de los modelos de lenguaje grande (LLM), ingeniería de prompts, optimización de prompts y validación de respuestas
• Experiencia en la gestión del uso de tokens, límites de API, reintentos, latencia, rendimiento y costes operativos
• Experiencia con implementaciones nativas en la nube, contenedores y observabilidad en producción
• Familiaridad con servicios de AWS como ECS, EKS, IAM, Cloud Watch, colas o cargas de trabajo sin servidor
• Experiencia con plataformas de IA en la nube como Amazon Bedrock, Google Vertex AI, API de Gemini, Azure AI Services o Azure OpenAI
• Experiencia con herramientas y técnicas de codificación de IA como Claude Code, Codex, Cursor
• Se valorará la experiencia con Kotlin y Spring Boot
• Se valorará la experiencia con Python, Go, Rust o lenguajes de backend similares

INGLÉS: ALTO. Será el idioma habitual en el día a día.

• Trabajar de forma autónoma en requisitos, historias de usuario y entregables técnicos definidos
• Diseñar e implementar servicios de backend para funciones basadas en IA y modelos de lenguaje grande (LLM)
• Desarrollar API y servicios utilizando Kotlin, Spring Boot y otras tecnologías de backend adecuadas
• Realizar la integración con proveedores de modelos de lenguaje grande (LLM) y plataformas de IA como OpenAI, Claude, Gemini, Vertex AI, Bedrock o Azure OpenAI
• Diseñar flujos de trabajo de IA que gestionen la ejecución de las indicaciones, el contexto, las respuestas de los modelos, la validación y la lógica de respaldo
• Crear sistemas para supervisar y optimizar el uso de tokens, la latencia, el rendimiento, los costes de los modelos y la fiabilidad de los proveedores
• Ajustar y mejorar continuamente las indicaciones, las cadenas de indicaciones y la calidad de las respuestas
• Implementar el control de versiones de las indicaciones, la observabilidad de la IA, el registro, la evaluación y las pruebas de regresión