> Markdown version of [/jobs/ext/3704246-arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica](https://www.wearedevelopers.com/jobs/ext/3704246-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:** Spain - **Salary:** €70,000.0 - €90,000.0 - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Artificial Intelligence, Databases, Multilayer Switch, Data Discovery, Distributed Systems, Knowledge Management, Machine Learning, Role-Based Access Control, Data Mesh, Data Streaming, Retrieval-Augmented Generation, Large Language Models, Agentic-AI - **Published:** October 12, 2026 - **Apply:** https://www.jobleads.com/es/job/arquitecto-a-de-sistemas-autonomos-e-ingenieria-de-ia-agentica--spain--e0c4b9fcc0eb3b653e074438426e91ba1 ## About the Role 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., 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., 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., 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., * Comportamiento de los agentes. * Modos de fallo., 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., * 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 ## 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