En KA Resources buscamos un/a cualificado con inglés avanzado que lidere el diseño y la implantación de sistemas completos de IA agéntica (Agentic AI), siendo responsable de toda la arquitectura, desde la gestión del conocimiento hasta el razonamiento cognitivo y la ejecución autónoma.¿Qué ofrecen?

Dé el siguiente paso en su carrera profesional ahora: desplácese hacia abajo para leer la descripción completa del puesto y envíe su solicitud.

-

- Modalidad remoto.

- Horario de oficina habitual.

- Formar parte de un gran equipo con proyección de carrera y ambiciosos objetivos.

- Salario: 70-90k b/a

La persona seleccionada será responsable de construir una arquitectura de IA multicapa en la que los agentes sean capaces de:

-

- Comprender el contexto empresarial (capa de conocimiento).

- Razonar y planificar (capa cognitiva).

- Ejecutar acciones de forma autónoma (capa agéntica).

- Mejorar continuamente mediante mecanismos de retroalimentación y medición del rendimiento.

No buscamos desarrollar funcionalidades aisladas de IA, sino diseñar un auténtico sistema operativo de IA para la empresa.

Responsabilidades principales

-

- Diseñar y poner en producción toda la arquitectura de IA agéntica.

- Construir componentes y capas reutilizables para soluciones de IA.

- Habilitar flujos de trabajo empresariales autónomos, escalables, gobernados y de alto rendimiento.

Responsabilidades ampliadas
1. Gestión del conocimiento y capa semántica

-

- Definir la estrategia de ingestión, organización y estructuración del conocimiento empresarial.

- Diseñar pipelines para integrar:

-

- Datos estructurados y no estructurados.

- Documentación, APIs y flujos de datos en tiempo real.

- Establecer:

-

- Modelos de metadatos.

- Arquitectura para el consumo de ontologías y modelos semánticos.

- Garantizar que el conocimiento sea contextual, consumible por la IA y se mantenga actualizado de forma continua.

Objetivo: construir una base de conocimiento empresarial dinámica, fiable y preparada para la IA.

2. Catálogo corporativo de capacidades de IA

Diseñar un catálogo cognitivo que indexe:

-

- Agentes.

- Herramientas y APIs.

- Capacidades y habilidades.

Facilitar la reutilización y descubrimiento de:

-

- Prompts.

- Flujos de trabajo.

- Modelos de IA.

Construir un sistema donde los agentes puedan descubrir e invocar otros agentes y herramientas.

Objetivo:



crear una capa de capacidades de IA componible y autoservicio.

3. Marco de toma de decisiones
Inteligencia generativa

Orquestación de modelos LLM para:

-

- Generación de contenido.

- Creación de hipótesis.

- Razonamiento en lenguaje natural.

Gestionar estrategias multimodelo optimizando:

-

- Coste.

- Rendimiento.

- Especialización.

Inteligencia lógica y determinista

-

- Motores de reglas.

- Razonamiento matemático.

- Lógica de procesos.

- Integración con modelos de IA y Machine Learning.

- Cumplimiento normativo.

- Calidad y precisión de los modelos.

Desarrollar sistemas híbridos que combinen:

-

- Capacidades de razonamiento de los LLM.

- Control programático.

Objetivo: equilibrar creatividad y fiabilidad en la toma de decisiones basada en IA.

4. Capa agéntica (diseño de sistemas autónomos)

Diseñar arquitecturas de:

-

- Sistemas monoagente y multiagente.

- Modelos jerárquicos y colaborativos.

Definir:

-

- Planificación.

- Memoria.

- Bucles de ejecución.

- Descomposición y coordinación de tareas.

Permitir que los agentes:

-

- Ejecuten acciones sobre sistemas corporativos.

- Aprendan continuamente mediante mecanismos de feedback.

Objetivo: desarrollar flujos de trabajo autónomos preparados para entornos de producción.

5. Capa de integración agéntica

Diseñar la integración con:

-

- CRM.

- ERP.

- Sistemas de RR. HH.

- Plataformas de datos y APIs.

Construir marcos seguros para que los agentes puedan:

-

- Orquestar APIs.

- Operar mediante arquitecturas dirigidas por eventos.

- Ejecutar transacciones reales de negocio.

Objetivo: transformar la IA desde la generación de conocimiento hasta la ejecución de acciones.

6. Data Mesh y arquitectura distribuida de datos

Alinear la arquitectura de IA con principios de Data Mesh.

Garantizar:

-

- Propiedad distribuida de los datos por dominio.

- Descubrimiento de datos.

- Estandarización de productos de datos.

Integración con plataformas como:

-

- Databricks.

- Snowflake.

Objetivo:



proporcionar una base de datos escalable y alineada con el negocio para soportar la IA.

7. Gobierno, seguridad y control

Definir el marco de gobierno para:

-

- Toma de decisiones autónoma.

- Acceso y privacidad de los datos.

Implementar:

-

- Control de acceso basado en roles para agentes.

- Mecanismos Human-in-the-Loop.

- Auditoría.

- Explicabilidad de los modelos.

Garantizar el cumplimiento de los estándares regulatorios y corporativos.

Objetivo: desarrollar sistemas de IA fiables, seguros y controlables.

8. Rendimiento, FinOps, observabilidad y optimización

Definir y monitorizar indicadores como:

-

- Tasa de éxito de las tareas.

- Nivel de autonomía de los agentes.

- Coste por ejecución.

- Latencia.

- Capacidad de procesamiento.

Construir herramientas de observabilidad para analizar:

-

- Comportamiento de los agentes.

- Modos de fallo.

Optimizar el rendimiento mediante:

-

- Bucles de retroalimentación.

- Sistemas de aprendizaje continuo.

Objetivo: garantizar operaciones de IA eficientes, escalables y fiables.

9. Ingeniería de plataforma y frameworks reutilizables

Desarrollar una plataforma de IA agéntica que incluya:

-

- Frameworks y plantillas para agentes.

- Repositorio y catálogo de agentes.

- Capas de orquestación.

- Capas de gobierno.

- SDKs y aceleradores de desarrollo.

Convertir estas capacidades en:

-

- Soluciones comercializables para clientes.

- Activos reutilizables y escalables.

Objetivo: crear un negocio de ingeniería de IA basado en propiedad intelectual.

Requisitos imprescindibles

-

- Más de 15 años de experiencia en sistemas distribuidos, Inteligencia Artificial, Machine Learning o ingeniería de plataformas.

- Amplia experiencia práctica desarrollando:

-

- Sistemas basados en modelos de lenguaje (LLMs).

- Plataformas de automatización mediante agentes o workflows inteligentes.

- Experiencia demostrable implantando sistemas de IA empresariales en entornos de producción.

Aspectos diferenciales

-

- Haber diseñado arquitecturas de IA multicapa, más allá de aplicaciones aisladas.

- Experiencia en:

-

- Sistemas de conocimiento (RAG, ontologías, grafos de conocimiento ). xhfqzwm

- Orquestación de múltiples agentes.

- Marcos de gobierno de IA.

- Excelente combinación de profundidad técnica, visión arquitectónica y orientación al negocio

#J-18808-Ljbffr

📌 Arquitecto/A De Sistemas Autónomos E Ingeniería De Ia Agéntica (Madrid)
🏢 KA Resources
📍 Madrid