Arquitecto/a de Sistemas Autónomos e Ingeniería de IA Agéntica
1 day ago
Bilbao
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? Dé el siguiente paso en su carrera profesional ahora: desplácese hacia abajo para leer la descripción completa del puesto y envíe su solicitud. • 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. 1. 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. 1. 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. 1. 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. 1. 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. 1. 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. 1. 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. 1. 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. 1. 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). xkdbapo, • Orquestación de múltiples agentes., • Marcos de gobierno de IA., • Excelente combinación de profundidad técnica, visión arquitectónica y orientación al negocio #J-18808-Ljbffr