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: 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
d.guerra@karesources.com
