Arquitecto/a de Sistemas Autónomos e Ingeniería de IA Agéntica

KA Resources Recruitment SL; España; Remote; EUR 70,000 - 90,000; Full time

Benefits offered by this job

Remoto

Job summary

KA Resources Recruitment SL busca un/a profesional con inglés avanzado para liderar el diseño e implantación de sistemas de IA agéntica, abarcando la arquitectura completa desde la gestión del conocimiento hasta el razonamiento y la ejecución autónoma. La posición es en modalidad remoto, con horario de oficina habitual, y ofrece desarrollo en un gran equipo con objetivos ambiciosos.

Salario anual de 70-90k, según experiencia y candidaturas.

Qualifications

• Requisitos en inglés avanzado para liderar el diseño de IA agéntica.

Responsibilities

• Diseñar y poner en producción la arquitectura de IA agéntica.
• Construir componentes y capas reutilizables para soluciones de IA.
• Habilitar flujos de trabajo autónomos, escalables y gobernados.

Skills

Inglés avanzado

IA agéntica

Job description

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