Arquitecto/A De Sistemas Autónomos E Ingeniería De Ia Agéntica

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.¿Qué ofrecen?- Modalidad remoto.- Horario de oficina habitual.- Formar parte de un gran equipo con proyección de carrera y ambiciosos objetivos.- Salario: **k 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 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 ampliadas1.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 IADiseñar 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 decisionesInteligencia generativaOrquestación de modelos LLM para:- Generación de contenido.- Creación de hipótesis.- Razonamiento en lenguaje natural.Gestionar estrategias multimodelo optimizando:- 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.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:- 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 datosAlinear 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 controlDefinir 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 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.- Sistemas de aprendizaje continuo.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.- 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.Requisitos imprescindibles- 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 **#J-**-Ljbffr

Modalidad remoto., 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 **#J-*****-Ljbffr