> Markdown version of [/jobs/ext/3005064-arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica](https://www.wearedevelopers.com/jobs/ext/3005064-arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Arquitecto/A De Sistemas Autónomos E Ingeniería De Ia Agéntica - **Company:** Temps - **Location:** Vitoria-Gasteiz, Spain (Remote available) - **Contract:** Apprenticeship - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Databases, Multilayer Switch, Data Discovery, Distributed Systems, Knowledge Management, Machine Learning, Role-Based Access Control, Data Streaming, Large Language Models, Snowflake, Virtual Agents, Databricks - **Published:** September 19, 2026 - **Apply:** https://www.adzuna.es/contact-us.html ## About the Role 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)., Coste. Rendimiento. Especialización. 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. Control programático. 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. Definir: Planificación. Memoria. Bucles de ejecución. Descomposición y coordinación de tareas., 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. Sistemas de aprendizaje continuo., 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, + Técnico + Recepciónista + Administrador + Ventas + Enfermero + Limpieza + Mantenimiento + Telefonista + Compras + Recursos humanos Tipo de trabajo + Desde casa + Estudiantes + Online + Trabajos Verticales + En inglés + Teletrabajo + Media jornada ## 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., 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. Responsabilidades ampliadas 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. 2. Catálogo corporativo de capacidades de IA Diseñar un catálogo cognitivo que indexe: Agentes. Herramientas y APIs. Capacidades y habilidades. Facilitar la reutilización y descubrimiento de: Prompts. 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, 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: CRM. ERP. 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. Estandarización de productos de datos. Integración con plataformas como: Databricks. Snowflake. 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. Implementar: 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., 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. Capas de gobierno. 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., Al crear una alerta, aceptas nuestros Términos y condiciones y Política de privacidad, y el uso de cookies., Alemania Australia Austria Bélgica Brasil Canadá España Estados Unidos Francia India Italia México Nueva Zelanda Holanda Polonia Reino Unido Singapur Sudáfrica Suiza ## Related Videos - [Kubernetes and Microservices with Multi-Model Databases](https://www.wearedevelopers.com/videos/382-kubernetes-and-microservices-with-multi-model-databases) - [How Cisco embraced a DevOps culture within its network engineering team](https://www.wearedevelopers.com/videos/99-how-cisco-embraced-a-devops-culture-within-its-network-engineering-team) - [Cutting LLM Costs Without Cutting Quality: How to Beat Proprietary LLMs with Fine-Tuned Open Source](https://www.wearedevelopers.com/videos/100151-cutting-llm-costs-without-cutting-quality-how-to-beat-proprietary-llms-with-fine-tuned-open-source) - [Agentic AI - From Theory to Practice: Developing Multi-Agent AI Systems on Azure](https://www.wearedevelopers.com/videos/1532-agentic-ai-from-theory-to-practice-developing-multi-agent-ai-systems-on-azure) - [Fault Tolerance and Consistency at Scale: Harnessing the Power of Distributed SQL Databases](https://www.wearedevelopers.com/videos/1146-fault-tolerance-and-consistency-at-scale-harnessing-the-power-of-distributed-sql-databases) - [Rethinking Workflows in the Agentic Era](https://www.wearedevelopers.com/videos/1540-rethinking-workflows-in-the-agentic-era) ## Related Articles - [Graph and AI Trends 2026: Why Is AI Running but Not Yet Delivering?](https://www.wearedevelopers.com/magazine/680-graph-and-ai-trends-2026-why-is-ai-running-but-not-yet-delivering) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [What is Agentic Programming and Why Should Developers Care?](https://www.wearedevelopers.com/magazine/625-what-is-agentic-programming-and-why-should-developers-care) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift) - [Spanish Business Culture and Etiquette](https://www.wearedevelopers.com/magazine/353-spanish-business-culture-and-etiquette) - [From Prototype to Production: Build AI Agents with This Free 4-Course Learning Path](https://www.wearedevelopers.com/magazine/655-from-prototype-to-production-build-ai-agents-with-this-free-4-course-learning-path)