Вакансии

-Разработка полного цикла: релиз продуктовых фичей на стыке фронтенда и бэкенда (API, интеграции, платежные шлюзы, подписки и веб-воронки). -Агентские AI-системы: улучшение логики агентов (распознавание намерений пользователя, подбор футажей, сборка монтажа, контекстное управление диалогом).

Разработка пайплайнов обработки данных: создание и вывод в прод новых процессов обработки для поиска, модерации и рекомендаций. Интеграция с ML: внедрение готовых ML-моделей в пайплайны обработки данных.

Разработка платформы для создания автономных AI-агентов разработчиков. Разработка и внедрение мультиагентных пайплайнов для автономизации SDLC.

Location: Москва Наша команда строит Единую агентскую платформу. Enterprise harness – это окружение: среда и набор инструментов, который обеспечивает безопасную и контролируемую работу агента, использование инструментов и навыков, контролирует права, память, контекст, лимиты, аудит и безопасность. В рамках агентской платформы вам предстоит разрабатывать и внедрять инструменты для окружения агентов. Мы адаптируем лучшие мировые практики, а также сотрудничаем с RnD-командами для пилотирования новых разработок на агентах Банка. Примеры направлений, которыми мы занимаемся: * SkillOpt: автоматическая эволюция навыков агентов на основе трейсов и оценки LLM-as-a-Judge; * Memory-as-a-Service: централизованный сервис памяти для агентов; * AutoJudge: инструмент для подбора судей и метрик для оценки качества работы агентов. Обязанности * Развитие GenAI сервисов: Создание и улучшение RAG-систем (в т.ч. Agentic RAG), инструментов Agent Observability, сервисов обработки документов * обучение моделей: тренировка и дообучение мультимодальных моделей на русском языке (OCR, Embeddings, Rerankers, VLM) * MLOps и Data Management: Организация и автоматизация процесса разметки данных (от сбора до контроля качества краудсорсинга) * развитие автономных пайплайнов улучшения качества моделей с использованием LLM-as-a-Judge * Engineering: релиз новых моделей и сервисов в продуктовые среды. Требования * Глубокое понимание LLM: опыт работы с большими языковыми моделями, Prompt Engineering, Fine-tuning LLM/VLM * инженерная культура: уверенное владение Python 3, знание ООП, принципов SOLID. Хорошее знание алгоритмов и структур данных. * LLM Stack: опыт работы с LangChain, LlamaIndex или другими фреймворками для разработки агентов и мультиагентных систем (MAS) * Vibe Coding: умение автоматизировать собственные рутинные процессы с помощью AI-инструментов * Mindset: желание постоянно изучать новые SOTA-подходы, модели и технологии. **Будет плюсом** * Активный профиль на GitHub с качественным кодом * достижения (медали) на Kaggle * участие в Open-Source проектах, связанных с LLM/NLP. Условия * комфортный современный офис - м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа.

Location: Москва Мы команда в Департаменте корпоративной архитектуры, создаем и внедряем GenAI-решения. Отвечаем за повышение эффективности ИТ-решений и автономизацию принятия архитектурных решений. Создаем решения, которые дают значительный бизнес-эффект. Обязанности ### Обязанности * руководство командой разработки (2 человека) * проектирование, разработка и внедрение мультиагентных систем: от генерации идеи и сборки MVP до успешного запуска в продакшн * выстраивание процесса оценки и тестирования качества работы агентов (evals) * перевод бизнес-потребности на язык машинного обучения и предлагать оптимальные архитектурные решения * оборачивание разработанной модели и сложную бизнес-логику в надежные микросервисы на Python * дообучение LLM (на базе GigaChat) под специфичные бизнес-задачи и предметные области (Fine-tuning, LoRA) Требования ### Требования * от 5 лет опыта в коммерческой разработке (Data Science / NLP / Backend) с уверенным практическим применением LLM * опыт создания и успешного вывода в продакшн enterprise-решений на базе AI-агентов * от 1 года опыта технического лидерства или менторства * LLM & Agents: глубокий опыт разработки LLM-пайплайнов, RAG-систем и мультиагентных архитектур. Знание и применение фреймворков: LangChain, LangGraph, DeepAgents (или аналогов) * NLP & ML: фундаментальное понимание NLP (от классики TF-IDF до современных трансформеров) и алгоритмов классического ML * Python Backend: понимание принципов проектирования микросервисной архитектуры (REST API); опыт написания асинхронных и многопоточных приложений (aiohttp, asyncio, multiprocessing) * опыт интеграции ML-моделей и AI-агентов в высоконагруженные системы * инструменты: свободное владение Git, SQL, Bash, Docker * готовность проводить код-ревью и давать обратную связь. ### Будет плюсом * интерес к SOTA-подходам в агентной разработке и LLM * опыт работы с Kubernetes и понимание принципов CI/CD * участие в соревнованиях Kaggle или аналогичных. Условия ### **Условия** * гибридный формат работы из г. Москва * годовой бонус и ежегодный пересмотр * расширенный ДМС с первого дня + стоматологию и льготное страхование для семьи * корпоративный университет Сбера, внутреннюю образовательную платформу, участие в IT-конференциях * офис на Кутузовской с зонами отдыха и спортзалом * льготную ипотеку в Сбере, корпоративную пенсионную программу, подписку СберПрайм с возможностью совместного использования на трёх близких, скидки от партнеров и сервисов группы компаний.

Location: Москва Ищем сильного архитектора для развития групповых GenAI-решений в Группе Сбер. Роль находится на стыке Enterprise и Solution-архитектуры, а также прикладной AI-разработки. Вы будете определять стандарты внедрения генеративного ИИ в ИТ-ландшафт и отвечать за масштабирование лучших практик на уровне всей Группы. Обязанности ### Обязанности * разработка и согласование архитектурных решений с применением GenAI и AI-Native подходов в проектах Банка и компаниях Группы, направляемых на архитектурную экспертизу * формирование архитектурных стандартов в области применения GenAI и контроль их внедрения в ИТ-ландшафт компаний Группы * анализ пилотных проектов и кейсов внедрения GenAI для выявления лучших практик и их масштабирования * развитие архитектурных процессов с учетом применения GenAI на всех этапах жизненного цикла разработки (AI-PDLC) * развитие архитектурного репозитория Компаний Группы в части GenAI-решений (референсные архитектуры, типовые паттерны), оценка архитектуры GenAI-решений и сопутствующих рисков * взаимодействие со смежными подразделениями и компаниями Группы по вопросам AI-Native архитектуры, выстраивание единой методологии внедрения GenAI и методологическая поддержка команд * мониторинг отраслевых и технологических трендов в области GenAI, оценка их релевантности и инициация пилотирования перспективных технологий * консалтинг продуктовых команд и смежных архитекторов * диалог с бизнес-заказчиками: перевод «хотим ИИ» в архитектурно и экономически осмысленный сценарий, а иногда — обоснованное «здесь LLM не нужен» * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты. Требования ### Требования * от 6 лет опыта работа в архитектуре (enterprise/solution/integration) с опытом владения доменом или крупной программой, а не отдельными системами. Разработка и поддержка текущих и целевой архитектуры, дорожной карты перехода. * опыт в проектировании и разработке агентных решений и встраивании агентных решений в корпоративный ИТ-ландшафт * знания в области применения GenAI в процессах разработки ПО, продуктовой разработке * разработка или проектирование распределённых систем: интеграции, протоколы, асинхронность, идемпотентность, отказоустойчивость, эволюция контрактов, развитие функционала, управление техническим долгом * информационная безопасность и работа с чувствительными данными в корпоративном контуре * опыт архитектурного описания и коммуникации: C4 или аналог, ADR, умение защищать решение перед инженерами и перед бизнесом на разных языках, умение аргументированно обосновывать архитектурные trade-off и защищать материалы на Архитектурных советах и других комитетах * навыки публичных выступлений, грамотная речь * разработка референсных и типовых архитектур по направлению, архитектурное ревью инициатив по направлению, архитектурные исключения и технический долг направления * участие в разработке стандартов, консалтинг продуктовых команд и смежных архитекторов, разбор их дизайнов, обучение. * подготовка архитектурных материалов на Архитектурный Совет и другие комитеты. ### Будет плюсом * понимание экономики (FinOps) и токеномики решений на базе GenAI, включая оценку стоимости запросов, оптимизацию промптов и выбор моделей. * практический опыт работы с ИИ-агентами, который можно продемонстрировать (различные harness, управление skill-ами агента) * опыт развёртывания и эксплуатации LLM и Classic-ML моделей on-prem (inference-серверы, GPU-планирование, квантизация), понимание экономики AI/LLM * аine-tuning /дообучение/LoRA и понимание, когда он оправдан, и когда требуются другие подходы, опыт построения eval-контуров и LLM-observability * наличие github/gitverse репозитория с pet-проектами. Условия ### **Условия** * комфортный современный офис рядом с м. Кутузовская * формат работы - гибрид (офисный формат на период адаптации) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту * подписка Прайм с возможностью совместного использования на трёх близких

Location: New Jersey; New York; Pennsylvania; Connecticut; Massachusetts Workplace: hybrid At Provectus, you don’t prototype in a sandbox and hand a client a slide deck. You embed inside a bank, an insurer, or a health system, learn the work, and ship a Claude + AWS system into their real, regulated production. Then you watch the business number move. We’re an Anthropic and AWS Partner with 150+ certified architects. That means the newest models, real budgets, and problems that matter, without the layers, politics, and long wait for impact of a firm with a hundred thousand people. 350+ builders, 100+ customers in production, led by our founders since 2010, offices across North America, LATAM, and EMEA Why Provectus? Frontier access. Anthropic Preferred Partner: newest Claude models, real budgets, real problems. Real tasks (not scope), real deployment. You go where the operating problem is and ship production code to real users, not slide decks that sit in a drive. Embedded, not engaged. You are part of the customer’s team and inside their process, not a vendor running a project alongside it. Embedded is not staff augmentation. Autonomous . You own the work from framing through to production, visible to clients and founders. You own the method; nobody hands you a ticket. Your experience stays portable. Every engagement is a new problem, often in a new industry, so your skills compound instead of narrowing to one product. No legacy maintenance grind, not a single stack. Craft & growth. Build beside senior FDEs on a Claude certified team, with a real platform (talks, OSS) to grow your name. We give you a stage: Claude certification, conference talks, open source contributions, published work under your own name. What you’ll do: Spend the first weeks of each engagement in the operator’s seat, learning the constraints from the inside, then rebuild the function from first principles alongside the client and a Forward Deployed Executive. You are the one who builds it Be part of the customer’s team, inside their process; work on real tasks, not scoped deliverables, and own the method autonomously You won’t start from zero. Provectus builds industry Blueprints, working systems that have already shipped for a customer in your industry. Your engagement starts from that baseline, and what you learn in the field goes back into it Deliver across Cowork Activation, Agentic SDLC, and Blueprint Activations in Financial Services and Healthcare Help shape how leading enterprises adopt AI, from strategy through first deployment; help build the tooling and frameworks of a growing AI delivery practice What we look for: Typically 7+ years building software, a substantial share of it writing production code you were accountable for. You are hands on today and intend to stay that way Genuinely willing to spend time understanding someone else’s job before writing code; demonstrated ability to become conversant in an unfamiliar business function quickly Shipped GenAI/LLM systems to production, not demos, not notebooks. You’ve handled the parts that get hard after the prototype works You evaluate. You have built or owned an eval suite for a nondeterministic system, and you can explain what you measured and why Strong engineering fundamentals. Dropped into an unfamiliar codebase or language, you’re productive. Python and/or TypeScript proficiency; depth matters more than stack Cloud native delivery on AWS (GCP/Azure a plus), including the operational reality of a system someone else inherits Presales experience. Credible with senior stakeholders: you can hold a redesign conversation with a BU head and a scoping conversation with a CTO without losing either room Comfort with ambiguity and ownership. Engagements start underspecified by design. Closing that gap is the job Hands on experience with Claude, Claude Code, and Cowork (skills, workflows, MCP, integrations, connectors, custom harnesses) Nice to have: Containers and orchestration (Kubernetes/ECS) and CI/CD in production IaC depth: AWS CDK, CloudFormation, Terraform Open source contributions or public writing on applied AI What We Offer: Full time On site visits to client’s facilities and our office in NYC once a week Unlimited Vacation policy Generous health, vision, and dental insurance 401(k) matching plan Base salary $180k to $200k + bonuses; OTE up to $250k. The salary range is determined through interviews and a review of the education, experience, knowledge, skills, and abilities of the applicant, and alignment with market data No Visa sponsorship We’re real: A person reads your application. We filter out AI generated and fraudulent submissions automatically. Every application that clears that filter is read by someone on our team We may ask for a quick ID verification. Fraudulent applications are common, and this protects real candidates You’ll meet the people you’d work with. We host AI engineering events in New York and San Francisco. We’d be happy to talk in person. Your interviews are with Pavel Borobov, Solutions Architect, and Stepan Pushkarev, Cofounder & CEO How we hire: Recruitment interview. Tech interview with our FDE (30 min). A live engineering building session (1.5 hours). We hand you a business function and the constraints. You have to understand the job and rebuild it — then say what you’d build and how you’d know it worked. Use AI the way you normally would; we expect AI-generated code. What we look at is how you used AI, the judgment behind your choices, and what you researched beyond what any LLM already knows. Soft skills interview. Offer discussion.

Location: Москва **AEF (Agent Execution Framework)** — платформа Сбера для запуска и контроля AI-агентов и мультиагентных систем. Она делает работу агентов надёжной, наблюдаемой и безопасной. Сейчас мы выпускаем **AEF.Lite** — открытую версию платформы. Компании экосистемы должны разворачивать её у себя «одной командой» и сразу получать трейсинг, контроль и связь с Банком. Ищем системного аналитика, который хочет вырасти в **solution-архитектора**. Вы разберётесь, как устроены агенты и инфраструктура у разных компаний, спроектируете для них лучшее решение и доведёте его до продакшна. Обязанности * исследовать архитектуру и инфраструктуру агентов в компаниях экосистемы: как агенты устроены, где запущены, какие ограничения по безопасности и сети. По итогам проектировать схему подключения к AEF * проектировать дистрибутив AEF.Lite: из каких компонентов он состоит, как они взаимодействуют, как ставится и обновляется, как банковские сервисы заменяются open-source аналогами (OIDC/Keycloak, Kubernetes, Istio) * проектировать сбор и передачу трейсов и метрик агентов: OpenTelemetry, access-логи окружения, Kafka-контракты, модель данных, обезличивание * проектировать API и контракты интеграций и описывать нефункциональные требования: надёжность, поведение при недоступности каналов, безопасность, объёмы * декомпозировать бизнес-сценарии в требования и архитектуру AI-решений, задавать критерии качества и безопасности агентов (guardrails, evals) * быстро проверять архитектурные гипотезы на стенде вместе с разработкой и DevOps: прототип, замер, решение * вести документацию как код (Markdown, PlantUML): требования, архитектурные решения, открытые вопросы, словарь * сравнивать AEF с рыночными решениями (фреймворки агентов, observability, evals) и приносить лучшие практики в продукт. Требования * **опыт:** от 3 лет в системном анализе или проектировании IT-систем. Для кандидатов с глубокой экспертизой в разработке GenAI-продуктов готовы рассматривать меньший стаж * **интеграции и архитектура данных:** проектирование REST/gRPC API, асинхронного обмена сообщениями (Kafka/PubSub), разработка форматов данных (JSON/XML) и контрактов (OpenAPI/AsyncAPI) * **архитектура LLM-приложений:** понимание принципов работы генеративных моделей. Умение описывать обвязку вокруг модели (промпты, парсеры, оркестратор) * **практический опыт разработки агентов:** работа хотя бы с одним из стеков: LangChain/LangGraph, CrewAI, прямые вызовы OpenAI/Anthropic API, Model Context Protocol (MCP) * **инфраструктура:** базовое понимание контейнеризации (Docker), Kubernetes (умение читать манифесты `Deployment`, `Service`), концепции _service mesh_ * **моделирование и документация:** владение нотациями UML/C4 для создания sequence-диаграмм, диаграмм компонентов и развертывания * **инструменты:** уверенное использование AI-ассистентов (Claude Code, Cursor, GitHub Copilot) для анализа кода, генерации прототипов и подготовки технической документации Условия * комфортный современный офис рядом с м.Кутузовская * возможность выбрать удобный график – офис/гибрид * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для Junior позиций) * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * льготная ипотека для каждого сотрудника * бесплатная подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера. * корпоративная пенсионная программа * отсутствие строгого дресс-кода.

Location: Москва Мы разрабатываем инновационную платформу на основе генеративного искусственного интеллекта (GenAI), предназначенную для автоматизации создания и управления маркетинговыми кампаний. Основной целью нашего продукта является генерация персонализированных коммуникаций в автономном режиме, где мультиагентные системы самостоятельно анализируют данные аудитории, разрабатывают стратегии, создают контент и оптимизируют результаты в реальном времени. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех! Обязанности * разработка и деплой мультиагентных систем, осуществляющих обработку и генерацию коммуникаций в режиме реального времени * проработка архитектуры хранилища данных, а также его интеграцию с внешними системами * проектирование и разработка аналитических витрин данных для целей аналитики и моделирования * загрузка, очистка и трансформация больших объемов данных из различных источников в рабочую область (платформы GreenPlum и Hadoop) * мониторинг и оптимизация процессов загрузки, преобразования данных и сборки витрин * контроль качества загружаемых данных, разработка автоматизированных инструментов для оценки качества данных * участие в анализе требований, оценке трудоёмкости задач и планировании релиза совместно с командой. Требования * опыт работы в качестве Data Engineer / MLE от 3 лет * знание SQL на продвинутом уровне (аналитические функции, подзапросы, хранимые процедуры, оптимизация запросов) * отличное знание Python/Scala и библиотеки pySpark * знание основных понятий и концепций Data Warehousing и Big Data * опыт разработки ETL-процессов * опыт работы с большими объемами данных, построения хранилищ и витрин данных * опыт работы со стеком технологий Big Data (Hadoop, Spark, Hive/Impala, Kafka) * понимание принципов DevOps и опыт участия в процессах автоматизации сборки, тестирования и развёртывания. * ответственное отношение к выполнению задач, желание профессионально расти и развиваться. Преимуществом будет: * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации. Условия * офисный формат работы, адрес офиса Кутузовский проспект 32 к 1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: New Jersey; New York; Pennsylvania; Connecticut; Massachusetts Workplace: remote About the role: At Provectus, you don’t prototype in a sandbox and hand a client a slide deck. You embed inside a bank, an insurer, or a health system, learn the work, and ship a Claude + AWS system into their real, regulated production — then you watch the business number move. We’re an Anthropic and AWS Partner with 150+ certified architects. That means the newest models, real budgets, and problems that matter — without the layers, politics, and years-to-impact of a hundred-thousand-person firm. 350+ builders, 100+ customers in production, founder-led since 2010, offices across North America, LATAM, and EMEA. Why Provectus Frontier access — Anthropic Preferred Partner: newest Claude models, real budgets, real problems. Real tasks (not scope), real deployment. You go where the operating problem is and ship production code to real users, not slide decks that sit in a drive. Embedded, not engaged. You are part of the customer’s team and inside their process — not a vendor running a project alongside it. Embedded is not staff-augmented. Autonomous. You own the work from framing through to production, visible to clients and founders.  You own the method; nobody hands you a ticket. Your experience stays portable. Every engagement is a new problem, often in a new industry, so your skills compound instead of narrowing to one product. No legacy-maintenance grind, not a single stack. Craft & growth — build beside senior FDEs on a Claude-certified team; a real platform (talks, OSS) to grow your name. We give you a stage: Claude certification, conference talks, open-source contributions, published work under your own name. Requirements: Typically 7+ years building software, a substantial share of it writing production code you were accountable for. You are hands-on today and intend to stay that way. Genuinely willing to spend time understanding someone else’s job before writing code; demonstrated ability to become conversant in an unfamiliar business function quickly. Shipped GenAI/LLM systems to production — not demos, not notebooks. You’ve handled the parts that get hard after the prototype works. You evaluate. You have built or owned an eval suite for a non-deterministic system, and you can explain what you measured and why. Strong engineering fundamentals — dropped into an unfamiliar codebase or language, you’re productive. Python and/or TypeScript proficiency; depth matters more than stack. Cloud-native delivery on AWS (GCP/Azure a plus), including the operational reality of a system someone else inherits. Pre-sales experience. Credible with senior stakeholders — you can hold a redesign conversation with a BU head and a scoping conversation with a CTO without losing either room. Comfort with ambiguity and ownership. Engagements start underspecified by design. Closing that gap is the job. Hands-on experience with Claude, Claude Code, and Cowork (skills, workflows, MCP, integrations, connectors, custom harnesses). Nice to have Containers and orchestration (Kubernetes/ECS) and CI/CD in production. IaC depth: AWS CDK, CloudFormation, Terraform. Open-source contributions or public writing on applied AI. What you’ll do: Spend the first weeks of each engagement in the operator’s seat, learning the constraints from the inside, then rebuild the function from first principles alongside the client and a Forward Deployed Executive — and you are the one who builds it. Be part of the customer’s team, inside their process; work on real tasks, not scoped deliverables, and own the method autonomously. You won’t start from zero. Provectus builds industry Blueprints — working systems that have already shipped for a customer in your industry. Your engagement starts from that baseline, and what you learn in the field goes back into it. Deliver across Cowork Activation, Agentic SDLC, and Blueprint Activations in Financial Services and Healthcare. Help shape how leading enterprises adopt AI, from strategy through first deployment; help build the tooling and frameworks of a growing AI delivery practice. What We Offer: Full-time. On-site visits to client’s facilities and our office in NYC 1/week Unlimited Vacation policy. Generous health, vision, and dental insurance. 401(K) matching plan. Base salary $180k–$200k + bonuses; OTE up to $250k. The salary range is determined through interviews and a review of the education, experience, knowledge, skills, and abilities of the applicant, and alignment with market data. No Visa sponsorship We’re real: A person reads your application. We filter out AI-generated and fraudulent submissions automatically. Every application that clears that filter is read by someone on our team. We may ask for a quick ID verification. Fraudulent applications are common, and this protects real candidates. You’ll meet the people you’d work with. We host AI engineering events in New York and San Francisco. We'd be happy to talk in person. Your interviews are with Pavel Borobov, Solutions Architect, and Stepan Pushkarev, Co-Founder & CEO. How we hire: Recruitment interview. Tech interview with our FDE (30 min). A live engineering building session (1.5 hours). We hand you a business function and the constraints. You have to understand the job and rebuild it — then say what you’d build and how you’d know it worked. Use AI the way you normally would; we expect AI-generated code. What we look at is how you used AI, the judgment behind your choices, and what you researched beyond what any LLM already knows. 4. Soft skills interview. 5. Offer discussion.

Location: Москва В команду проектного офиса GenAI-трансформации B2C ищем менеджера программы. Обязанности * формирование и утверждение концепции, метрик эффективности, целей * Формирование и ведение дорожных карт и целей стрима * выстраивание регулярного такта работы с командами * формирование регулярной отчетности * формирование презентационных материалов на топ-менеджмент. Требования * опыт работы на позиции руководителя, независимого специалиста /в проектном управлении/продуктовом управлении/подразделении по повышению эффективности не менее 5 лет в области AI/GenAI * опыт подготовки отчетных презентационных материалов для топ-менеджмента * опыт работы в стратегическом консалтинге будет большим плюсом * понимание подходов и трендов в области искусственного интеллекта * высокая самостоятельность и проактивность, умение работать в условиях многозадачности * отличные коммуникативные навыки и умение выстраивать эффективные отношения с руководителями разных уровней * применение LLM в работе. Условия * комфортный современный офис на Кутузовском, 32 * возможность самореализации, видеть результаты своих трудов * корпоративный спортзал и зоны отдыха * уникальная система обучения Сбера для профессионального и карьерного развития, семинары, тренинги, конференции * программа адаптации и помощь руководителя на старте * ДМС, страхование от несчастных случаев, социальные гарантии * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа * корпоративные мероприятия

Роль предполагает управление командой Data Science, формирование технической стратегии GenAI, разработку и внедрение AI-моделей и интеллектуальных решений, а также взаимодействие с бизнес-подразделениями для определения приоритетных сценариев применения технологий и достижения измеримых результатов.

Ищем Senior GenAI-разработчика на проект крупной компании из сферы добывающей промышленности. Основная задача - разработка и внедрение корпоративных GenAI-решений: AI-агентов, мультиагентных систем, RAG-конвейеров и автоматизаций в закрытом защищённом контуре. Задачи: — Разработка AI-агентов и субагентов с использованием tool-calling — Построение мультиагентных систем и управление цепочками вызовов — Создание автоматизаций и workflow в n8n, Flowise, Dify, Langflow или аналогичных платформах — Разработка бизнес-логики и кастомных функций на JavaScript, TypeScript и Python — Построение RAG-конвейеров: подготовка данных, embeddings, поиск и работа с векторными базами — Интеграция с внутренними сервисами и витринами данных через REST API и OAuth2 — Парсинг, сбор, нормализация и трансформация данных из внешних источников — Проектирование промптов для суммаризации и генерации структурированных отчётов — Развёртывание и эксплуатация open-source и on-prem LLM в закрытом корпоративном контуре — Работа со структурированными данными, PostgreSQL и JSON — Участие в анализе и формализации бизнес-требований Требования: — Опыт коммерческой разработки GenAI-решений на уровне Senior — Уверенное владение JavaScript, TypeScript и Python — Практический опыт создания AI-агентов и мультиагентных систем — Опыт хотя бы с одним из стеков: LangChain / LangGraph, LlamaIndex, Semantic Kernel, CrewAI / AutoGen, n8n / Flowise / Dify / Langflow — Опыт разработки RAG-решений и работы с векторными хранилищами: PGVector, Qdrant, Milvus или аналогами — Уверенная работа с PostgreSQL, JSON, REST API и OAuth2 — Опыт работы с LLM и prompt engineering — Опыт развёртывания локальных моделей в закрытом контуре — Готовность вести разработку и эксплуатацию решения в ОС Windows — Понимание принципов защиты чувствительных и корпоративных данных Будет преимуществом: — Опыт работы с MCP — Model Context Protocol — Разработка кастомных нод и sub-workflows в n8n — React — GraphQL — FastAPI — Опыт работы с веб-поиском, парсингом и внешними API — Опыт участия в корпоративных или промышленных проектах

Location: Ukraine; Spain; Serbia; Yerevan; Poland Workplace: remote Provectus is an AWS Premier Partner and an Anthropic Strategic Partner, working at the frontier of applied AI. We help enterprises turn Claude, agentic systems, and their own data into measurable business outcomes — through bespoke applications, managed services, and advisory engagements. With offices in North America, LATAM, and EMEA, we partner with clients worldwide. Our work centers on two verticals — Financial Services & Insurance and Healthcare & Life Sciences — where we deploy five pre-built AI Blueprints: Submission Flow, Portfolio Lens, Asset Flow, Revenue Flow, and Evidence Lens. Each Blueprint rebuilds a critical business process front to back, shipped from working code and tuned to a client's specific book, regulators, and operating posture. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Blueprint engagements. Where this role sits You will work in a senior pod alongside an FDE, an FDX, and Senior AI Engineers — contributing to real delivery work while building toward independent ownership. Requirements: Mindset Proactive and self-directed; you push for clarity rather than waiting for a ticket. Excellent communication and problem-solving skills. Comfortable with some ambiguity, with support from senior team members as you take on more. B2+ English, comfortable collaborating across distributed, multicultural teams. Technical depth Hands-on experience building or contributing to RAG systems, ideally in a production or near-production setting. Solid engineering fundamentals; Python and/or TypeScript proficiency. Productive in an unfamiliar codebase with some ramp-up support. Practical AWS experience (Lambda, S3, ECS, or similar); ready to grow into Bedrock and Bedrock AgentCore . Some experience with containers and CI/CD in real projects. Exposure to evaluating non-deterministic systems — you've contributed to or run test/eval cycles, even if you haven't owned a full eval suite end-to-end. Basic working knowledge of model/agent monitoring concepts. Awareness of cost and latency trade-offs when working with LLMs. Some hands-on exposure to the Claude ecosystem (Claude Code, CLAUDE.md, hooks, skills files) is a plus, or strong ability to ramp up quickly. Practical experience with LLM APIs (Anthropic, AWS Bedrock, or OpenAI) in real projects. 2+ years of software or ML engineering experience, including some exposure to production systems. Solid AI/ML foundations — you understand what the models do well enough to reason about common failure modes. Nice to Have: Experience in one of the industries: financial services, insurance, healthcare. Consulting, professional services, or other embedded customer-facing delivery. AWS and Claude Code Certifications (or actively pursuing them). A2A: Interest in agent-to-agent interoperability concepts. CI/CD pipeline experience (GitHub Actions, GitLab CI). Practical experience with one or more use cases from the following: NLP, LLMs, and Recommendation engines. Experience in an additional language (Go, TypeScript, or Rust). Experience with Apache Spark, Apache Airflow, Kafkа. Experience with the Claude ecosystem —  Claude Code, CLAUDE.md, hooks, skills files.  Spec-driven development — writing the intent, constraints, and acceptance criteria before you let an agent build. MCP: you can say why an agent would prefer it to a REST integration, having authored a server is an additional  plus. Responsibilities: Build and contribute to RAG system components under senior guidance, with growing autonomy. Write tests and help build out evaluation harnesses for the features you work on. Write production code across the stack (AI, backend services, data pipelines) with code review support. Help integrate AI components into backend services and RESTful APIs. Support deployment of systems to AWS (containerized, CI/CD), taking on more of this independently over time. Contribute to documentation, runbooks, and client handover materials. Participate in technical discussions and architectural decisions, with an eye toward taking on more of this independently. Support model evaluation efforts and help investigate and improve failure modes. Take on increasing ownership of components and technical decisions as you grow in the role. What We Offer: The chance to shape how leading enterprises across LATAM, Europe, and North America adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside FDE and FDX A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture Internal training programs with full support for Claude, AWS, and other professional certifications, conference attendance Career growth; we actively develop our engineers Access to the latest AI tools and premium subscriptions Long-term B2B collaboration Private medical insurance or a budget for your medical needs Paid sick leave, vacation, and public holidays Equipment and all the tech you need for comfortable, productive work How we hire: Intro conversation. The role, your background and aspirations, tech questions. Technical interview with live engineering sessions. Real problems, your own editor, you may use an LLM assistant HR Interview. Soft skills and expectations HM interview. Tech questions; a live engineering session is also possible

• 3+ years of Python development. • Production GenAI / LLM experience • Diffusion models & LoRA.

Location: London, United Kingdom - Deliveroo Our Global Structure Deliveroo is now part of DoorDash, bringing together teams with even greater reach, scale, and ambition. Depending on your role, you may collaborate with teammates, systems, and leaders across DoorDash and Wolt. Together, we’re unlocking new possibilities as one global team. Senior Software Engineer, GenAI Platform About the Team Deliveroo's GenAI Platform team sits within Machine Learning Platform and builds the shared infrastructure that helps DoorDash, Wolt, and Deliveroo teams safely bring GenAI-powered products, agents, automation, and personalisation to production. Our mission is to increase the velocity of business impact from GenAI. A central pillar of that work is running frontier open-weight LLMs and VLMs (such as GLM, Qwen, Kimi, and DeepSeek) ourselves — real-time GPU serving, high-throughput batch inference, and fine-tuning on autoscaling GPUs — delivering large cost and latency wins (for example, a billion embeddings produced roughly 20× cheaper and visual models served roughly 72% cheaper). We also own core platform surfaces including the LLM Gateway, Agent Gateway, evals infrastructure, guardrails, and cost attribution. About the Role You will join a small, high-leverage team building production infrastructure for Generative AI at Deliveroo and DoorDash, leading the design and architecture of our open-weights model platform spanning inference and fine-tuning: real-time GPU serving, high-throughput batch inference, and model fine-tuning. You’ll set technical direction across model serving and inference engines, fine-tuning and training pipelines, GPU autoscaling and utilization, batch pipelines, backend services, and observability, and mentor engineers as you go. This role is ideal for a senior engineer who enjoys owning ambiguous, high-impact systems and pushing the cost/performance frontier of GPU inference and fine-tuning in a fast-moving technical area where product needs, model capabilities, vendor ecosystems, and cost/performance tradeoffs are evolving quickly. You’re excited about this opportunity because you will… Lead the design of infrastructure that helps teams move GenAI ideas from prototype to production, increasing the velocity of business impact from AI across the company. Own and evolve our open-weights serving stack — real-time GPU endpoints, high-throughput batch inference, and fine-tuning (SFT/DPO/LoRA) — alongside the LLM Gateway, Agent Gateway, evals infrastructure, guardrails, and cost attribution. Architect scalable, high-performance systems for model serving, batch inference, GPU autoscaling, and fine-tuning that power real customer and internal automation use cases Push the cost and latency frontier of GPU inference — turning batch jobs that took days into hours and cutting inference cost by multiples — while giving product teams a clean choice across open-weight and closed-source models with reliability, fallback, observability, and cost controls built in. Build platforms that support rapid experimentation while meeting production standards for latency, scale, monitoring, SLOs, playbooks, and operational excellence. Partner closely with — and raise the technical bar for — ML engineers, product engineers, data scientists, and platform teams across DoorDash, Wolt, and Deliveroo to turn emerging GenAI capabilities into durable platform primitives. Set technical direction for the future of the company's centralised GenAI platform — including emerging directions such as reinforcement learning (RLHF/RLVR), agent optimisation, and other post-training and agentic techniques — enabling the next generation of AI-powered products, agents, automation, and personalisation. We’re excited about you because… BSc, MSc or PhD in Computer Science or equivalent 5+ years of industry experience in software engineering Deep backend engineering fundamentals, especially in Python and distributed systems. Track record of designing and owning production services, APIs, data pipelines, or ML infrastructure at scale. Experience operating systems in production, including observability, debugging, reliability, incident response, and performance/cost optimization. Deep hands-on experience with LLM inference and/or fine-tuning of open-weight models in production — serving (latency, throughput, batching, autoscaling, GPU utilization) and/or fine-tuning (SFT/DPO/LoRA). Demonstrated technical leadership: leading design across ambiguous, fast-moving technical areas, mentoring engineers, and turning customer use cases into reusable platform capabilities Proficiency in using AI coding tools (e.g., Claude Code, Codex, Cursor) in the full software development lifecycle, including designing, generating code, testing, monitoring and releasing software Nice To Haves Experience with LLM inference engines and serving frameworks (e.g., vLLM, SGLang, TensorRT-LLM) in production Experience with distributed/multi-node fine-tuning and training pipelines (SFT, DPO/RLHF, LoRA), including data preparation and evaluation GPU performance work — multi-node/distributed inference, KV-cache/memory optimisation, quantisation (FP8/INT8/AWQ/GPTQ), or cold-start/throughput tuning Experience with Kubernetes, cloud infrastructure (AWS/GCP), GPUs, serverless/elastic GPU platforms (e.g., Modal), or high-throughput batch systems Experience with LLM gateways, model routing, vendor abstraction, or cost attribution Experience building developer platforms, internal platforms, or self-serve infrastructure Experience building and deploying AI agents or MCP servers in production Experience with eval systems, LLM observability, tracing, RAG, search, or vector databases Diversity, Equity and Inclusion At Deliveroo, we know that a great workplace reflects the world around us and that true diversity and inclusion make us stronger, more creative, and better at what we do. We’re committed to fostering an environment where everyone can do their best work and feel they belong. We believe in equality of opportunity and welcome candidates from all backgrounds regardless of age, gender, ethnicity, disability, sexual orientation, gender identity, socio-economic background, religion, or belief. If you have a disability or long-term health condition and need support to apply for one of our roles, or require any reasonable adjustments during the recruitment process, you’ll have the opportunity to let us know once you’ve submitted your application. We’ll share details on how to request support so we can ensure you have a fair and equitable experience. If you’re excited about making a real impact in a fast-moving marketplace and growing your career alongside ambitious, supportive teams, we’d love to hear from you! Beware of recruitment scams: DASH Brands will never ask you to pay money or share sensitive financial information during hiring — learn more about DASH Brands' legitimate recruiting process at careersatdoordash.com/recruitment-scam-awareness .

Location: Москва Наша NLP команда занимается задачами, связанными с извлечением информации из документов, диалогов, текстов различной природы. Главной задачей для нас является создание готовых продуктов с LLM под капотом, а также создание self-service для бизнеса, где каждый может создать нужный ему сценарий (скилл) в режиме No-code. Обязанности * проектировать контракты API сервисов оценки: методы, схемы, коды ошибок, версионирование, идемпотентность * описывать пайплайны: приём документа → нарезка → вызов судьи → агрегация оценок → отчёт * собирать требования у владельцев баз знаний и превращать их в измеримые критерии * рисовать диаграммы: контекст, последовательности, состояния, данные * разбирать инциденты и расхождения оценок, ставить задачи разработке, принимать результат * взаимодействовать с заказчиками в рамках ТЗ. Требования * понимать и уметь объяснить, зачем нужно и когда не нужно: API, Swagger/OpenAPI, Kafka, JSON, ETL, Sowa, Redis, SQL, Postman, CI/CD * UML: последовательности, компоненты, состояния, ER * описание API на уровне спецификации, а не списка полей * опыт работы с командами разработки: декомпозиция, ревью реализации, приёмка * от 2х лет в роли системного аналитика на интеграционных проектах. **Будет плюсом** * опыт работы руками: настроить межсетевое взаимодействие через sowa, проверить API в Postman, написать SQL-запрос, достать значение из key-value хранилища * описание бизнес-процессов, BPMN * опыт с LLM: промпты, RAG, эмбеддинги, векторные БД, оценка качества ответов * python на уровне чтения кода и написания скриптов * опыт в Data governance или автоматизации контроля качества данных: RBAC/ABAC, data quality validation, управление консистентностью, документирование датасетов, policy-as-code. Условия * гибридный формат работы * годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * регулярные митапы и развитое DS-community * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбер.

— Разработка мультиагентных систем и AI-агентов. — Построение RAG-пайплайнов и работа с векторными БД.