> Markdown version of [/jobs/ext/3116214-arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica](https://www.wearedevelopers.com/jobs/ext/3116214-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:** KA RESOURCES - **Location:** Álava, Spain - **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, Virtual Agents, Databricks - **Published:** September 27, 2026 - **Apply:** https://www.buscojobs.com.es/arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica-en-alava-ID-372648146 ## About the Role 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 ## 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.¿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 ## Related Videos - [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) - [3 Ways to Rebuild the Data Stack for Agents](https://www.wearedevelopers.com/videos/100091-3-ways-to-rebuild-the-data-stack-for-agents) - [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) - [Kubernetes and Microservices with Multi-Model Databases](https://www.wearedevelopers.com/videos/382-kubernetes-and-microservices-with-multi-model-databases) - [Building APIs for Agents vs Systems. Is MCP the answer?](https://www.wearedevelopers.com/videos/100291-building-apis-for-agents-vs-systems-is-mcp-the-answer) - [AI Agents & Agentic AI](https://www.wearedevelopers.com/videos/2017-ai-agents-agentic-ai) ## 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) - [Navigating the AI Shift](https://www.wearedevelopers.com/magazine/629-navigating-the-ai-shift) - [Coffee with Developers - Maria Apazoglou - Making AI understandable for all in production](https://www.wearedevelopers.com/magazine/475-coffee-with-developers-maria-apazoglou-making-ai-understandable-for-all-in-production) - [Dev Digest 132 - Binging WADFlix?](https://www.wearedevelopers.com/magazine/473-dev-digest-132-binging-wadflix) - [Dev Digest 137 - AI'm not sure about this](https://www.wearedevelopers.com/magazine/485-dev-digest-137-ai-m-not-sure-about-this) - [Dev Digest 121 - AI goes offline](https://www.wearedevelopers.com/magazine/456-dev-digest-121-ai-goes-offline)