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.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 principalesDiseñar 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 decisionesInteligencia generativaOrquestación de modelos LLM para:Generación de contenido.Creación de hipótesis.Razonamiento en lenguaje natural.Gestionar estrategias multimodelo optimizando:Rendimiento.Inteligencia lógica y deterministaMotores 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 agénticaDiseñar 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 datosAlinear 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 controlDefinir 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 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.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.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 de15 años de experienciaen 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 diferencialesHaber 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#J-**-Ljbffr

Modalidad remoto., 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.

1. 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., Coste por ejecución. Latencia. Capacidad de procesamiento. Construir herramientas de observabilidad para analizar: Comportamiento de los agentes. Modos de fallo., 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 #J-*****-Ljbffr

Horario de oficina habitual.