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]

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