Agentops Architect
- Discuss this with your agent
- Open in Claude
- Open in ChatGPT
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Role details
Tech stack
+11 more
Job description
Buscamos AgentOps Architects en Medalla TechnologyQueremos incorporar perfiles senior capaces de diseñar cómo se construyen, despliegan, gobiernan y operan sistemas de agentes de IA en entornos empresariales.No buscamos únicamente experiencia en CI/CD, infraestructura o MLOps tradicional. Buscamos profesionales que entiendan la arquitectura completa de una solución agéntica y sean capaces de convertir un desarrollo funcional en un producto mantenible, observable y desplegable de forma reproducible en diferentes clientes y entornos.En Medalla Technology estamos trabajando en proyectos de GenAI y sistemas multiagente donde el reto ya no es solo conseguir que un agente funcione, sino resolver preguntas como:¿Cómo estructuramos correctamente orquestadores, agentes y tools?¿Cómo versionamos y desplegamos el mismo producto en distintos entornos?¿Cómo evaluamos una nueva versión antes de llevarla a producción?¿Cómo trazamos qué ha ocurrido en una ejecución multiagente?¿Cómo gestionamos permisos, dependencias, secretos, modelos y recursos?¿Cómo evitamos que una solución que funciona como PoC se convierta en un sistema difícil de mantener y evolucionar?Definir arquitecturas parasistemas agénticos y multiagenteen entornos empresariales.Diseñar la transición desde prototipos o desarrollos de IA haciaproductos software industrializados y desplegables.Definir patrones deAgentOps, LLMOps y MLOps: versionado, evaluación, observabilidad, despliegue, promoción y rollback.Diseñar estrategias de desplieguemulti-entorno y multi-cliente, manteniendo una única base de código y externalizando configuración, permisos y recursos.Establecer la arquitectura de repositorios, paquetes, dependencias, testing y pipelines de CI/CD para soluciones de IA.Diseñar mecanismos detracing y observabilidad end-to-endsobre orquestadores, agentes, prompts, tool calls, modelos y ejecuciones.Definir frameworks de evaluación para agentes y aplicaciones GenAI: regresión, groundedness, calidad, routing, latencia, coste y seguridad.Diseñar modelos de seguridad y gobierno para agentes, tools y recursos de datos.Trabajar junto a AI Engineers, Data Engineers y Data Scientists para definir los estándares técnicos con los que industrializamos nuestras soluciones de IA.Queremos perfiles con experiencia sólida diseñandoarquitecturas de datos, software o plataformas de IA, que hayan evolucionado hacia la construcción y operacionalización de soluciones de Machine Learning, GenAI y agentes.Esperamos experiencia práctica en:Diseño de arquitecturas complejas deData & AIen entornos cloud.Puesta en producción de soluciones ML/GenAI más allá de la fase de PoC.Pythony buenas prácticas de ingeniería de software.Docker y conceptos de despliegue mediante contenedores.Separación entre código, configuración, secretos, infraestructura y recursos.Observabilidad, trazabilidad y operación de sistemas distribuidos.Nos interesa especialmente que hayáis tenido que resolver problemas reales deproductización: pasar de una solución que funciona en un entorno concreto a una arquitectura reproducible, gobernada y mantenible.Será un plus haber trabajado con:Buscamos AgentOps Architects en Medalla TechnologyQueremos incorporar perfiles senior capaces de diseñar cómo se construyen, despliegan, gobiernan y operan sistemas de agentes de IA en entornos empresariales.No buscamos únicamente experiencia en CI/CD, infraestructura o MLOps tradicional. Buscamos profesionales que entiendan la arquitectura completa de una solución agéntica y sean capaces de convertir un desarrollo funcional en un producto mantenible, observable y desplegable de forma reproducible en diferentes clientes y entornos.En Medalla Technology estamos trabajando en proyectos de GenAI y sistemas multiagente donde el reto ya no es solo conseguir que un agente funcione, sino resolver preguntas como:¿Cómo estructuramos correctamente orquestadores, agentes y tools?¿Cómo versionamos y desplegamos el mismo producto en distintos entornos?¿Cómo evaluamos una nueva versión antes de llevarla a producción?¿Cómo trazamos qué ha ocurrido en una ejecución multiagente?¿Cómo gestionamos permisos, dependencias, secretos, modelos y recursos?¿Cómo evitamos que una solución que funciona como PoC se convierta en un sistema difícil de mantener y evolucionar?¿Qué harás?Definir arquitecturas parasistemas agénticos y multiagenteen entornos empresariales.Diseñar la transición desde prototipos o desarrollos de IA haciaproductos software industrializados y desplegables.Definir patrones deAgentOps, LLMOps y MLOps: versionado, evaluación, observabilidad, despliegue, promoción y rollback.Diseñar estrategias de desplieguemulti-entorno y multi-cliente, manteniendo una única base de código y externalizando configuración, permisos y recursos.Establecer la arquitectura de repositorios, paquetes, dependencias, testing y pipelines de CI/CD para soluciones de IA.Diseñar mecanismos detracing y observabilidad end-to-endsobre orquestadores, agentes, prompts, tool calls, modelos y ejecuciones.Definir frameworks de evaluación para agentes y aplicaciones GenAI: regresión, groundedness, calidad, routing, latencia, coste y seguridad.Diseñar modelos de seguridad y gobierno para agentes, tools y recursos de datos.Trabajar junto a AI Engineers, Data Engineers y Data Scientists para definir los estándares técnicos con los que industrializamos nuestras soluciones de IA.¿Qué buscamos?Queremos perfiles con experiencia sólida diseñandoarquitecturas de datos, software o plataformas de IA, que hayan evolucionado hacia la construcción y operacionalización de soluciones de Machine Learning, GenAI y agentes.Esperamos experiencia práctica en:Diseño de arquitecturas complejas deData & AIen entornos cloud.Desarrollo o diseño deagentes, tools, orquestadores o sistemas multiagente.Puesta en producción de soluciones ML/GenAI más allá de la fase de PoC.Pythony buenas prácticas de ingeniería de software.Git, branching, Pull Requests, testing yCI/CD.Docker y conceptos de despliegue mediante contenedores.Separación entre código, configuración, secretos, infraestructura y recursos.Observabilidad, trazabilidad y operación de sistemas distribuidos.Nos interesa especialmente que hayáis tenido que resolver problemas reales deproductización: pasar de una solución que funciona en un entorno concreto a una arquitectura reproducible, gobernada y mantenible.Será un plus haber trabajado con:Databricks: MLflow, Unity Catalog, Asset Bundles, Jobs, Apps o Model Serving.LangGraph, LangChain, PydanticAI u otros frameworks de agentes.MCP y arquitecturas basadas en tools.Evaluación y observabilidad de LLMs y agentes: MLflow Tracing, Langfuse, Phoenix, DeepEval o similares.Terraform e Infrastructure as Code.Kubernetes.Microsoft Foundry, Amazon Bedrock, Vertex AI u otras plataformas GenAI gestionadas.Arquitecturas RAG y sistemas de recuperación de conocimiento.Seguridad y gobierno de sistemas de IA.No esperamos que conozcáis todas estas tecnologías. Nos importa más que hayáis diseñado y operadosistemas de IA reales en produccióny que sepáis tomar decisiones de arquitectura cuando aparecen problemas de escalabilidad, mantenibilidad, observabilidad, seguridad o despliegue.¿Qué encontraréis en Medalla?Trabajaréis en proyectos donde la arquitectura todavía importa mucho: sistemas multiagente, plataformas de IA corporativas, modelos operativos de AgentOps y soluciones que deben desplegarse y mantenerse en organizaciones complejas.Tendréis la oportunidad de trabajar junto a compañeros de muy alto nivel tecnológico con los que aprender entecnologías punteras del ecosistema Data & AI, como Databricks, además de otras plataformas y herramientas cloud de referencia.Participaréis tanto en proyectos para grandes compañías como en la construcción de nuestros propios aceleradores y frameworks de IA.Buscamos profesionales que quieran ayudarnos a definircómo deben construirse y operarse los sistemas agénticos cuando dejan de ser una demo y pasan a convertirse en producto.#J-*****-Ljbffr
Requirements
- Queremos perfiles con experiencia sólida diseñando
- arquitecturas de datos, software o plataformas de IA
- , que hayan evolucionado hacia la construcción y operacionalización de soluciones de Machine Learning, GenAI y agentes.
- Esperamos experiencia práctica en:
- Diseño de arquitecturas complejas de
- Data & AI
- en entornos cloud.
- Puesta en producción de soluciones ML/GenAI más allá de la fase de PoC.
- Python
- y buenas prácticas de ingeniería de software.
- Docker y conceptos de despliegue mediante contenedores.
- Separación entre código, configuración, secretos, infraestructura y recursos.
- Observabilidad, trazabilidad y operación de sistemas distribuidos.
- Nos interesa especialmente que hayáis tenido que resolver problemas reales de
- productización
- pasar de una solución que funciona en un entorno concreto a una arquitectura reproducible, gobernada y mantenible. Será un plus haber trabajado con: Buscamos AgentOps Architects en Medalla Technology Queremos incorporar perfiles senior capaces de diseñar cómo se construyen, despliegan, gobiernan y operan sistemas de agentes de IA en entornos empresariales. No buscamos únicamente experiencia en CI/CD, infraestructura o MLOps tradicional. Buscamos profesionales que entiendan la arquitectura completa de una solución agéntica y sean capaces de convertir un desarrollo funcional en un producto mantenible, observable y desplegable de forma reproducible en diferentes clientes y entornos. En Medalla Technology estamos trabajando en proyectos de GenAI y sistemas multiagente donde el reto ya no es solo conseguir que un agente funcione, sino resolver preguntas como: ¿Cómo estructuramos correctamente orquestadores, agentes y tools? ¿Cómo versionamos y desplegamos el mismo producto en distintos entornos? ¿Cómo evaluamos una nueva versión antes de llevarla a producción? ¿Cómo trazamos qué ha ocurrido en una ejecución multiagente? ¿Cómo gestionamos permisos, dependencias, secretos, modelos y recursos? ¿Cómo evitamos que una solución que funciona como PoC se convierta en un sistema difícil de mantener y evolucionar? ¿Qué harás? Definir arquitecturas para sistemas agénticos y multiagente en entornos empresariales. Diseñar la transición desde prototipos o desarrollos de IA hacia productos software industrializados y desplegables . Definir patrones de AgentOps, LLMOps y MLOps
- versionado, evaluación, observabilidad, despliegue, promoción y rollback. Diseñar estrategias de despliegue multi-entorno y multi-cliente , manteniendo una única base de código y externalizando configuración, permisos y recursos. Establecer la arquitectura de repositorios, paquetes, dependencias, testing y pipelines de CI/CD para soluciones de IA. Diseñar mecanismos de tracing y observabilidad end-to-end sobre orquestadores, agentes, prompts, tool calls, modelos y ejecuciones. Definir frameworks de evaluación para agentes y aplicaciones GenAI: regresión, groundedness, calidad, routing, latencia, coste y seguridad. Diseñar modelos de seguridad y gobierno para agentes, tools y recursos de datos. Trabajar junto a AI Engineers, Data Engineers y Data Scientists para definir los estándares técnicos con los que industrializamos nuestras soluciones de IA. ¿Qué buscamos? Queremos perfiles con experiencia sólida diseñando arquitecturas de datos, software o plataformas de IA , que hayan evolucionado hacia la construcción y operacionalización de soluciones de Machine Learning, GenAI y agentes. Esperamos experiencia práctica en: Diseño de arquitecturas complejas de Data & AI en entornos cloud. Desarrollo o diseño de agentes, tools, orquestadores o sistemas multiagente . Puesta en producción de soluciones ML/GenAI más allá de la fase de PoC. Python y buenas prácticas de ingeniería de software. Git, branching, Pull Requests, testing y CI/CD . Docker y conceptos de despliegue mediante contenedores. Separación entre código, configuración, secretos, infraestructura y recursos. Observabilidad, trazabilidad y operación de sistemas distribuidos. Nos interesa especialmente que hayáis tenido que resolver problemas reales de productización
- pasar de una solución que funciona en un entorno concreto a una arquitectura reproducible, gobernada y mantenible. Será un plus haber trabajado con: Databricks
- MLflow, Unity Catalog, Asset Bundles, Jobs, Apps o Model Serving. LangGraph, LangChain, PydanticAI u otros frameworks de agentes. MCP y arquitecturas basadas en tools. Evaluación y observabilidad de LLMs y agentes: MLflow Tracing, Langfuse, Phoenix, DeepEval o similares. Terraform e Infrastructure as Code. Kubernetes. Microsoft Foundry, Amazon Bedrock, Vertex AI u otras plataformas GenAI gestionadas. Arquitecturas RAG y sistemas de recuperación de conocimiento. Seguridad y gobierno de sistemas de IA. No esperamos que conozcáis todas estas tecnologías. Nos importa más que hayáis diseñado y operado sistemas de IA reales en producción y que sepáis tomar decisiones de arquitectura cuando aparecen problemas de escalabilidad, mantenibilidad, observabilidad, seguridad o despliegue. ¿Qué encontraréis en Medalla? Trabajaréis en proyectos donde la arquitectura todavía importa mucho: sistemas multiagente, plataformas de IA corporativas, modelos operativos de AgentOps y soluciones que deben desplegarse y mantenerse en organizaciones complejas. Tendréis la oportunidad de trabajar junto a compañeros de muy alto nivel tecnológico con los que aprender en tecnologías punteras del ecosistema Data & AI, como Databricks , además de otras plataformas y herramientas cloud de referencia. Participaréis tanto en proyectos para grandes compañías como en la construcción de nuestros propios aceleradores y frameworks de IA. Buscamos profesionales que quieran ayudarnos a definir cómo deben construirse y operarse los sistemas agénticos cuando dejan de ser una demo y pasan a convertirse en producto . #J-*****-Ljbffr
Apply for this position
This job is hosted externally. Click below to view the full posting and apply.
Prepare application
- Draft this with your agent
- Open in Claude
- Open in ChatGPT
Good distractions
Loading talks and stories from around this role…