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: 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.

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:

• 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 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.
• 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 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.

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 negocio

Ver el correo electrónico en click.appcast.io