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 ampliadas1. 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 decisionesInteligencia 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). xcskxlj
- 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 (Valencia)
🏢 KA Resources
📍 Valencia