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. 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 int

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