En KA Resources buscamos un/a profesional 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?

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 ).

Orquestación de múltiples agentes.

Marcos de gobierno de IA.

Destacado combinación de profundidad técnica, visión arquitectónica y orientación al negocio

[email protected]

#J-18808-Ljbffr

📌 Arquitecto/a de Sistemas Autónomos e Ingeniería de IA Agéntica (Madrid)
🏢 KA Resources
📍 Madrid