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/aLa 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 principalesDiseñar 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 decisionesInteligencia generativaOrquestación de modelos LLM para:Generación de contenido.
Creación de hipótesis.
Razonamiento en lenguaje natural.
Gestionar estrategias multimodelo optimizando:Rendimiento.
Inteligencia lógica y deterministaMotores 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 agénticaDiseñar 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 datosAlinear 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 controlDefinir 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 optimizaciónDefinir 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 reutilizablesDesarrollar 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 de15 años de experienciaen sistemas distribuidos, Intelig

📌 Arquitecto/A De Sistemas Autónomos E Ingeniería De Ia Agéntica (Madrid)
🏢 Ka Resources Recruitment
📍 Madrid