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. 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. 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. Agentes. Herramientas y APIs. Capacidades y habilidades. Facilitar la reutilización y descubrimiento de:

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:

Rendimiento. 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. 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. 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:

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. 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. 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. 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. 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. 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. Sobresaliente 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 Recruitment
📍 Valencia