En KA Resources buscamos un/a competente 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.

1.



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.

1. 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.

1. 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.

1. 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.

1. 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.

1. Rendimiento, Fin Ops, 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.

1. 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.

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

#J-18808-Ljbffr

📌 Arquitecto/a de Sistemas Autónomos e Ingeniería de IA Agéntica (Sevilla)
🏢 Ka Resources Recruitment
📍 Sevilla