Architect: Remote

Architect:: Remote NTT DATA Europe & Latam Madrid, area metropolitana (comarca); comunidad de madrid, Spain

Descripción del trabajo

NTT DATA es una consultora multinacional que ofrece soluciones tecnológicas, de negocio, estrategia, desarrollo y mantenimiento de aplicaciones, siendo un referente en consultoría.

Digital Technology es la unidad enfocada a acompañar a las grandes organizaciones iberoamericanas en su transformación digital, generando dividendos digitales a través de la tecnología y el diseño, con enfoque práctico y orientado al negocio.

Para lograrlo, buscamos personas que compartan nuestra curiosidad permanente, pasión por la tecnología, excelencia constante y visión estratégica.

Digital Architecture es la división que proporciona la estrategia tecnológica y las plataformas IT necesarias para impulsar la digitalización y transformación de nuestros clientes, ofreciendo soluciones cloud-native y siendo referentes en la construcción de arquitecturas robustas, seguras y que contemplen todas las necesidades.

En Digital Architecture buscamos arquitectos y arquitectas de software con una trayectoria consolidada en el diseño de soluciones complejas y experiencia reciente aplicando inteligencia artificial generativa y arquitecturas orientadas a agentes.

Profesionales capaces de conectar sistemas, datos, APIs, plataformas cloud y necesidades de negocio para construir soluciones de IA seguras, escalables y gobernadas en entornos empresariales.

No buscamos años de experiencia con una herramienta concreta, sino una base sólida de arquitectura y la capacidad de llevarla a nuevos patrones de IA.

¿Qué nos gustaría encontrar?

Al menos 6–7 años de experiencia en arquitectura de software , diseño técnico o evolución de soluciones empresariales complejas.

Experiencia consolidada definiendo arquitecturas distribuidas basadas en microservicios, APIs, eventos, integración asíncrona, contenedores o servicios cloud .

Capacidad para traducir requisitos de negocio y necesidades de usuario en decisiones de arquitectura, patrones técnicos y roadmaps de evolución viables.

Conocimiento sólido de principios de arquitectura: escalabilidad, resiliencia, seguridad, observabilidad, mantenibilidad, rendimiento, integración y gobierno.

Experiencia en entornos backend, preferiblemente con tecnologías como Java, Spring Boot y/o Python , así como en el diseño de APIs y servicios de integración.

Experiencia reciente —idealmente de al menos 1 o 2 años— explorando, diseñando o implementando soluciones de IA generativa , LLMs, RAG, embeddings, bases de datos vectoriales o automatización inteligente.

Conocimiento práctico de patrones de soluciones orientadas a agentes: orquestación, gestión de contexto, uso de herramientas, flujos de decisión, integración con APIs y supervisión humana.

Familiaridad con frameworks y plataformas del ecosistema GenAI/Agentic, como LangChain, LangGraph, Semantic Kernel, CrewAI, AutoGen, Azure AI Foundry, Amazon Bedrock, Vertex AI u opciones equivalentes.

No es necesario dominar todas.

Experiencia con plataformas cloud como AWS, Azure o Google Cloud , así como con prácticas de automatización e infraestructura como código.

Capacidad para acompañar técnicamente a equipos de desarrollo y colaborar con perfiles de datos, cloud, ciberseguridad y negocio.

Nivel de inglés B2/C1 , valorable para colaborar en documentación, equipos o ecosistemas internacionales.

¿Cuáles serán tus responsabilidades?

Diseñar arquitecturas de referencia para soluciones de IA generativa y agentes, definiendo cómo se integran modelos, datos, APIs, herramientas y procesos de negocio.

Evaluar casos de uso y proponer el patrón más adecuado en cada situación: asistentes con recuperación de información, automatización de flujos, agentes con herramientas, sistemas multiagente o integración de IA en productos existentes.

Definir cómo los agentes acceden a información y sistemas corporativos de forma segura, incluyendo permisos, control de acceso, gestión de secretos, trazabilidad y límites de actuación.

Diseñar componentes para la recuperación y preparación de conocimiento —RAG, índices vectoriales, gestión de contexto y calidad de datos— que permitan respuestas relevantes y verificables.

Establecer criterios de evaluación, observabilidad y mejora continua de soluciones de IA: calidad de resultados, comportamiento de los flujos, coste, latencia, incidencias y nivel de intervención humana.

Integrar capacidades de IA con arquitecturas backend, APIs, sistemas transaccionales y plataformas cloud, asegurando que la solución sea operable y mantenible más allá de una prueba de concepto.

Definir patrones, estándares y decisiones técnicas reutilizables para acelerar la adopción responsable de IA generativa en diferentes proyectos y sectores.