Вакансии

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; Connecticut 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 $250k + bonuses; OTE up to $300k. 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: New Jersey; New York; Connecticut 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 $200k–$250k + bonuses; OTE up to $300k. 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.

Задачи: — управление командой Data Science — формирование технической стратегии GenAI — разработка и внедрение AI-моделей и интеллектуальных решений — 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

Наш клиент — международная B2C AI продуктовая компания, разрабатывающая решения для генерации разговорного текста, изображений и видео. Требования: — 3+ года разработки на Python — Опыт работы с Production GenAI / LLM — Знание диффузионных моделей и LoRA — Опыт генерации изображений и видео — Опыт с агентными рабочими процессами и prompt engineering — Навыки работы с Docker, AWS, MongoDB — Опыт GPU inference (RunPod, fal.ai или аналогичные) — Знание Async Python, очередей и микросервисов — Уровень английского B2+ Условия: — Работа в офисе на Кипре — Компания с более чем 18 AI продуктами

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 .

Задачи: — Разработка мультиагентных систем и AI-агентов. — Построение RAG-пайплайнов и работа с векторными БД. — Интеграция LLM с внутренними сервисами через REST API и OAuth2. — Автоматизация бизнес-процессов, генерация отчётов и обработка данных. — Проектирование промптов и LLM-сценариев. — Обеспечение безопасности чувствительных данных. Требования: — Уверенное знание JavaScript/TypeScript и Python. — Опыт разработки GenAI-агентов и мультиагентных систем. — Знание LangChain, LangGraph, LlamaIndex, CrewAI, AutoGen или аналогов. — Опыт работы с n8n, Dify, Flowise или Langflow. — Опыт работы с RAG, PostgreSQL, JSON и векторными БД (Qdrant, PGVector, Milvus). — Знание REST API, OAuth2 и prompt engineering. — Готовность работать с Windows. Будет плюсом опыт в банковских и корпоративных проектах, мониторинге LLM-приложений и микросервисной архитектуре. Условия: — Зарплата обсуждается индивидуально. — Полностью удалённо, из любого региона РФ. — Full-time, гибкий график с синхронизацией по МСК. — Официальное оформление по ТК РФ. — Возможность влиять на архитектуру и внедрять GenAI-решения в корпоративную среду.

Задачи: — Разрабатывать мультиагентные системы и GenAI-агентов (субагенты, оркестрация). — Строить и сопровождать RAG-решения: векторные хранилища, пайплайны, ретривал. — Интегрировать LLM-инструменты с внутренними сервисами через REST API и OAuth2. — Обрабатывать и трансформировать структурированные данные (JSON, PostgreSQL). — Проектировать промпты и LLM-сценарии: суммаризация, генерация отчётов, структурирование данных. — Разрабатывать и эксплуатировать решения в ОС Windows. — Обеспечивать защиту чувствительных данных в корпоративной среде. Требования: — Уверенное владение JavaScript / TypeScript и Python. — Опыт создания GenAI-агентов, субагентов или мультиагентных систем. — Опыт работы хотя бы с одним из подходов: low-code / visual (n8n, Flowise, Dify, Langflow) или code-first (LangChain, LangGraph, LlamaIndex, Semantic Kernel, CrewAI, AutoGen или аналоги). — Опыт работы с REST API и OAuth2. — Уверенная работа с JSON и PostgreSQL. — Понимание принципов prompt engineering. — Опыт с LLM-сценариями: суммаризация, генерация отчётов, структурирование данных. — Опыт построения или сопровождения RAG-решений. — Опыт работы с векторными хранилищами: PGVector, Qdrant, Milvus или аналогами. — Опыт работы с LangChain или аналогичными фреймворками оркестрации LLM. — Готовность вести разработку и эксплуатацию в ОС Windows. — Понимание принципов защиты чувствительных данных. Будет плюсом: — Опыт в корпоративных или банковских проектах. — Знание инструментов мониторинга LLM-приложений. — Понимание архитектуры микросервисов. Условия: — Удалённая работа из любого региона РФ. — Full-time, гибкий график с синхронизацией по МСК. — Официальное оформление по ТК РФ. — Возможность влиять на архитектуру и внедрять современные GenAI-решения в реальном корпоративном контуре.

Задачи: — трансляция бизнес-потребностей в технические требования к функционалу и логике AI-агентов — проектирование интеграций: описание взаимодействия агентов с внешними API (входы/выходы, форматы данных, обработка ошибок, таймауты, retry-логика) — проектирование меж-агентского взаимодействия: оркестрация агентов, передача контекста, приоритизация запросов и сценарии эскалации — сопровождение до ПРОМ: совместно с промпт-разработчиками доводите требования до готовых промтов, контролируете соответствие промтов исходным бизнес-требованиям и передача системных требований в команду сопровождения — взаимодействие с заказчиками, менеджментом и командой разработки, обеспечение прозрачности процесса — исследование рынка и проверка гипотез: быстрая оценка применимости AI-решений под задачу, сравнение подходов (LLM, RAG, инструменты, мультиагентность), подготовка обоснованных рекомендаций Требования: — уверенный технический бэкграунд: понимание архитектуры веб-систем, REST API, gRPC, форматов данных (JSON, OpenAPI/Swagger, Protobuf), интеграционных паттернов (sync/async, webhooks, очереди) — понимание AI-концепций на уровне теории либо применения: как работают LLM, промпт-инжиниринг, ограничения и «галлюцинации»; RAG (retrieval-augmented generation), векторные БД; архитектура AI-агентов: инструменты (tools/function calling), оркестрация, мультиагентные сценарии; знакомство с LangGraph/LangChain или аналогичными фреймворками — понимание, что такое harness (core-платформа для GenAI-агентов) и его составляющих — умение проектировать логику агентов: сценарии, состояния, ветвления, обработка ошибок, fallback-сценарии — навыки декомпозиции задач и написания точных, проверяемых технических требований (User Story + критерии приёмки, или спецификации) — опыт взаимодействия с бизнесом и перевода требований в технические спецификации — опыт работы с PostgreSQL/SQL (чтение схем, описание маппинга данных) — умение быстро проверять гипотезы: исследовать рынок AI-решений, оценивать применимость технологии под задачу Будет плюсом: — понимание Java/React-стека на уровне общения с командой (что реально, а что нет в существующей архитектуре) — опыт в продуктовых командах, где аналитик сопровождает фичу от идеи до релиза — опыт написания технических заданий для промпт-разработчиков — базовые навыки прототипирования (Python/псевдокод/конфигурация) для быстрой проверки гипотез Условия: — комфортный современный офис — корпоративный спортзал и зоны отдыха — уникальная система обучения Сбера для профессионального и карьерного развития — программа адаптации и помощь руководителя на старте — расширенный ДМС и льготное страхование для семьи — 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.

Задачи: — Проектировать и создавать AI-агентов и решения на базе больших языковых моделей (LLM) — Разрабатывать конвейеры данных и lakehouse-решения в Databricks — Интегрировать AI-агентов с Databricks и другими платформами данных — Создавать решения на Python для сбора данных, веб-скрапинга и индексирования контента — Вносить вклад в архитектуру и технические решения — Тесно сотрудничать с международной инженерной командой Требования: — Опыт работы на уровне senior в области разработки ПО или AI-инженерии — Уверенное владение Python — Практический опыт работы с GenAI, LLM и Agentic AI — Опыт работы с инженерией данных и конвейерами данных — Практический опыт работы с Databricks — Способность брать ответственность и участвовать в архитектурных решениях — Владение английским языком на уровне C1 Будет плюсом: — Знание графов знаний и онтологий — Опыт веб-скрапинга — Знание Databricks Genie — Опыт работы с агентскими фреймворками и разработкой с нуля архитектуры Условия: — Медицинская страховка — Более 21 дня отпуска — Возможности профессионального развития — Поддержка карьерного коуча Проект международный, европейское сотрудничество, локация Ташкент, Узбекистан.

Location: Москва Наша команда отвечает за **независимую оценку и контроль качества генеративных моделей Банка.** Наша основная задача оценить флагманские генеративные модели Сбера – GigaChat, Kandinsky, GigaCode и PhysicalAI решений. Мы первыми видим, на что способна новая модель и проводим оценку новых возможностей прежде чем она выйдет к пользователям. Мы не просто «проверяем метрики», а: * глубоко разбираемся в подходах команд-разработчиков и в бизнес-процессах, где работают модели * критически рассматриваем архитектурные и методологические решения и предлагаем улучшения * разрабатываем собственные проверки, метрики и бенчмарки и фреймворки для их запуска * проводим оценку логов пользователей для построения наиболее релевантного тестирования Отдельный фокус – R&D деятельность: * создание новых методологий оценки качества * участие в разработке и развитии передовых банковских и российских бенчмарков (MERA, POLLUX и др.) * адаптация передовых мировых бенчмарков под специфику банковских кейсов * и многое другое Эта роль про независимое измерение фундаментального качества модели: не про их обучение – этим занимается отдельная команда Обязанности **Придумывать, как вообще измерить модель** ИИ стремительно развивается в мире и выходят новые модели и их виды, однако не всегда любая новая модель стала лучше предыдущей. Вам будет необходимо создать план по её проверке: что именно измерять, на какой выборке, с чем сравнивать, какая разница вообще будет считаться разницей в реальном качестве. **Отвечать за достоверность измерений** Полученные метрики не всегда отражают только лишь качество модели. Нужно уметь отделять реальный прирост качества от прочих факторов: ловить утечки данных в обучение, отличать дефект модели от дефекта замера, промпта или обвязки и проявлять тот же скепсис к собственной методологии: измеряем ли мы то, что заявили. **Разбираться в причинах ошибок** «Модель ошиблась» – это не вывод, а начало работы. Найденная вами причина той или иной проблемы модели превращается в рекомендацию команде разработки, а рекомендация – в следующую версию модели, которая этой ошибки уже не делает. **Строить автоматическую оценку** Разрабатывать LLM- и VLM-судей под конкретные задачи, разрабатывать с нуля собственные или дорабатывать существующие библиотеки валидации полного цикла и следим за фронтиром AI-исследований в области оценки моделей. **Строить то, чем пользуются другие** Фреймворки оценки, который вы развиваете – общие для команд по всему Банку. Бенчмарки, которые вы делаете, являются достоверной базой реального качества для разработчиков Банка и вне. Требования * **Умение проводить технический и научный ресерч**: находить и критически разбирать актуальные статьи, бенчмарки, модели и реализации; переводить ресерч в конкретные идеи для тестирования и развития внутренних подходов. * **Статистика и дизайн эксперимента:** доверительные интервалы, размер выборки, проверка гипотез, поправки на множественные сравнения * **Понимание современных AI-агентов и агентных систем**: понимать, чем агент отличается от обычного вызова LLM; знать основные компоненты агентной системы: роли, инструменты, контекст, память и оркестрация; * **Понимаете, как устроены генеративным модели изнутри:** трансформер и механизм внимания, диффузии, токенизация, параметры генерации, этапы обучения * **Опыт с генеративными моделями и понимание, как их оценивают:** метрики, бенчмарки, human evaluation, Model-as-a-judge и его ограничения * **Продуктовое мышление**: связывать тестирование с реальными пользовательскими сценариями и понимать, какие ошибки критичны для продукта, понимать влияние результатов на релиз и дальнейшее развитие модели. * **Python на продакшн-уровне:** чистый код по PEP 8, ООП и типовые паттерны проектирования, аннотации типов, привычка к линтерам и статическому анализу (ruff, mypy). Создаете и поддерживаете production-код eval-пайплайнов, читаете и ревьюите чужой. **Будет плюсом:** R&D-опыт или участие в создании бенчмарков; мультимодальные модели (изображения, видео, аудио); evaluation-фреймворки и harness; RAG; работа с асессорами; coding-агенты (Claude Code, Codex, Cursor); опыт работы с оркестрацией: LangGraph, OpenClaw, навыки вайбкодинга и AI-assisted coding **Стек:** Python, pandas, NumPy, PyTorch, HuggingFace (transformers, datasets), vLLM, SGLang, инференс-API, S3, Git, Docker, CI/CD, Linux, Bash. Условия * комфортный современный офис рядом с м. Кутузовская * гибкий формат и удаленной работы, в т.ч. на территории РФ * ежегодный пересмотр зарплаты и 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, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Colombia; Costa Rica Workplace: remote Provectus is a Premier AWS Partner and an Anthropic partner, featured in Forrester's AI Technical Services Landscape. We are roughly 420 engineers building production AI for enterprise clients in Financial Services, Healthcare and Life Sciences, Retail, and Entertainment. We build custom systems on live client data, not off the shelf products and not demos. We are opening a Solution Owner seat on our Delivery team in Colombia and Costa Rica. This is an early career seat, but it is not a training seat. You will sit between the client and the engineering team on a real engagement, own a slice of scope, and be expected to figure out the next step yourself. The profile we are looking for is specific: you started technical, as a software, data, or ML engineer, and you have already moved toward the business side of building products, or you are ready to make that move now. You are the person on the team who automates their own work with AI tools before anyone asks. What You Will Do: Own a defined slice of a client engagement, from use case framing through backlog, release, and result Run discovery sessions and workshops with client stakeholders, and turn what you hear into written scope engineers can build against Translate technical constraints into business language, and business goals into technical requirements Maintain a groomed backlog with sized, technically specific stories, and drive sprint planning and release cadence Prototype rapidly on live client data using our delivery stack, including Claude, Claude Code, MCP servers, and Skills Work alongside GenAI and agentic AI builds, including RAG, agent workflows, and LLM integrations, closely enough to judge quality and explain trade offs Define success metrics for your slice of scope and report progress honestly, including when something is not working Build reusable artifacts, demos, and documentation so the next engagement starts faster than yours did Partner with Principal Architects, Forward Deployed Engineers, and account teams across US and LATAM time zones What You Will Bring: 2 to 4 years of total professional experience, including hands on engineering time as a software, data, or ML engineer At least 1 year in a product, delivery, or client facing role such as Product Owner, Technical Product Owner, Business Analyst, Delivery Lead, or equivalent Daily use of GenAI tools in your own workflow, Claude and Claude Code preferred, with concrete examples of workflows you redesigned Ability to read code and technical documentation well enough to hold a real conversation with senior engineers Practical Agile and Scrum experience: backlog, sprints, planning, retrospectives Written and spoken English at B2 or above, comfortable leading a client call without a manager in the room Self direction as a default. You are given a goal and ambiguity, not a task list, and you move anyway Based in Colombia or Costa Rica Nice to Have: Exposure to Financial Services and Insurance or Healthcare and Life Sciences clients Working understanding of GenAI concepts: prompt engineering, RAG, embeddings, vector databases, agentic patterns Familiarity with AWS, especially Bedrock, SageMaker, Lambda, or S3 Experience shipping an LLM or RAG feature that reached real users Experience building your own automations, scripts, MCP integrations, or internal tools Consulting or professional services background Certifications such as CSPO, SAFe PO/PM, or AWS Cloud Practitioner What We Offer: Real client delivery on frontier AI from month one, not shadowing Direct access to Principal Architects and Forward Deployed Engineers as your working peers Anthropic and AWS partnership work, with early access to tooling and premium AI subscriptions Internal training programs and full support for AWS and Claude certifications A clear growth path toward Senior Solution Owner or Solutions Architecture Remote work with flexible hours across US and LATAM overlap Long term B2B collaboration Equipment budget and all the tooling you need

Location: San Francisco Bay Area, California; New York City Metropolitan Area Workplace: remote About the role: Provectus is a Premier AWS partner and an Anthropic Strategic Partner at the forefront of applied AI, helping 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 and are obsessed with reimagining how they operate and compete. 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. We embed engineers and leaders inside client operations as Forward Deployed Engineers (FDE) and Forward Deployed Executives (FDX) — people who learn the work, ship the system, and own the outcome. Our team holds 100+ AWS certifications, is Claude Code certified, and co-delivers Anthropic's Agentic SDLC program, Cowork Activation, and AI Bluprints. You will do the customer’s job before you automate it. Most AI engagements fail the same way: someone gathers requirements, someone writes a PRD, and a team ships a workflow nobody uses. We think the requirements-gathering step is the bug. So we remove it. A Forward Deployed AI Engineer at Provectus spends the first weeks of an engagement in the operator’s seat — as the underwriter, the analyst, the RCM specialist, the claims clinician, whoever actually does the work we’ve been asked to change. You do the job. You learn the constraints from the inside, the ones nobody writes down. Then you sit at a table with that operator and a Forward Deployed Executive and rebuild the function from first principles — and you are the one who builds it. Three things define how you work: Embedded, not engaged . You are part of the customer’s team and inside their process — not a vendor running a project alongside it. Real tasks, not scope . You are not fenced into a siloed deliverable. You go where the operating problem is. Autonomous . Embedded is not staff-augmented. You own the method; nobody hands you a ticket. 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. That loop is the difference between an outcome and an invoice. You’ll be measured on whether the Business Unit’s number moved — not on hours, not on scope delivered. This is a role for engineers who have led before — as a founder, a CTO, a staff engineer — and who want to stay in the code while owning the outcome. On most days you’ll be the most senior technical person in the room, and you’ll still be the one shipping. Requirements: 8+ 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. You will take the operator’s seat. You are genuinely willing to spend weeks doing someone else’s job — claims processing, underwriting, revenue-cycle work — before you write a line of code. Engineers who need to stay in the IDE should not apply. You learn domains fast. Demonstrated ability to become conversant in an unfamiliar business function quickly enough to argue with the people who do it for a living. 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): containers, Kubernetes/ECS, IaC, CI/CD, and the operational reality of a system someone else inherits. 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. Solid AI/ML foundations — you understand what the models do well enough to reason about failure modes, not just call the API. Strong hands-on prodcution experience with Claude Code/Cowork. Fluent English, written and spoken. Nice to have: Prior experience as a founder, CTO, or engineering leader who has chosen to return to individual contribution. Real depth in one of our blueprint industries: financial services, insurance, healthcare, asset management . Consulting, professional services, or other embedded customer-facing delivery. Data platform depth: data lakes, warehouses, streaming and real-time analytics, data mesh and data contracts, governance and data quality. MLOps and classical ML: PyTorch, SageMaker, MLflow. Fine-tuning, distillation, or inference/serving optimization. Graph databases (Neo4j, AWS Neptune). IaC depth: AWS CDK, CloudFormation, Terraform. Open-source contributions or public writing on applied AI. What you’ll do: Take the seat Do the operator’s job for two to four weeks at the start of an engagement. Learn the function from inside, not from a requirements doc. Reach working fluency in a new domain — insurance underwriting, healthcare revenue cycle, asset flow — in weeks, not quarters. Sit with the operator and the Forward Deployed Executive and redesign the function from first principles. Discovery, user research, and PRD-writing collapse into one team that re-imagines its own job. You are all three roles. Build Ship production GenAI systems into the customer’s environment — LLM applications, agentic workflows, retrieval and structured-extraction pipelines, and the services around them. Running software, not recommendations. Build the evaluation harness before you build the feature. When the engagement is bound to a business KPI, “it looked good in testing” is not an answer. Define what working means, instrument it, and let the evals drive the design. Write production code across the stack — backend services, data pipelines, and the AI layer. Python and TypeScript are our centre of gravity; we choose tools to fit the customer, not the résumé. Take systems to production on AWS (GCP/Azure where the customer requires it): containerized, observable, and maintainable after we leave. Start from the blueprint, and feed the blueprint. What you learn in the field becomes the baseline the next engagement starts from. Own the outcome Work in a pair with a Forward Deployed Executive who carries the Business Unit’s KPIs. Your work is measured against the same number. Drive adoption. A system the BU routes around has not shipped. Change management is part of the engineering job here, not a phase after it. Be credible with the customer’s engineers, their operators, and their executives — and be willing to disagree with all three. Shape what we commit to before we commit to it. You’ll have the standing to do it, because you’re the one who will build it. What We Offer: Frontier delivery work across Cowork Activation, Agentic SDLC, and Blueprint Activations in Financial Services and Healthcare The chance to shape how leading enterprises adopt AI, from strategy through first deployment A forward-deployed model working in small, senior teams alongside Principal Architects and Forward Deployed Engineers A growing AI delivery practice where you help build the tooling and frameworks, not just use them Remote-friendly culture High-impact role with direct visibility to leadership. Strong earning potential with performance-based bonuses. Opportunity to work with cutting-edge AI and cloud solutions. B2B contract model or full-time model. Unlimited Vacation policy. Generous health, vision, and dental insurance. 401(K) matching plan. OTE range: up to $250k. The salary range is determined through interviews and a review of the education, experience, knowledge, skills, abilities of the applicant, and alignment with market data. How we hire: Intro conversation — the role, your background, what you want to be doing. Two live engineering sessions. Real problems, your own editor. You may use an LLM assistant (ChatGPT, Claude) — how you work now includes these tools. Autocomplete/agentic coding tools are off for these sessions. The redesign session. We hand you an unfamiliar business function and the constraints of the person who performs it. You have to understand the job well enough to rebuild it — then say what you’d build and how you’d know it worked. No LLMs for this one. Team and practice conversation.

Location: Tel Aviv-Yafo, Tel Aviv District, Israel About Aidoc Aidoc is the market leader in healthcare AI and has developed the world's largest clinical frontier model, supporting nearly 50 million patients each year. Aidoc is deployed in more than 2,000 medical centers worldwide. Since our founding in 2016, Aidoc has raised over $500 million and achieved a record number of FDA-cleared solutions. Medical diagnosis is hitting a breaking point, where the number of physicians hasn't kept up with the rapidly growing patient load. This leads to misdiagnosis and treatment delays that result in hundreds of thousands of deaths every year. Aidoc assists clinicians by precisely highlighting diseases directly on medical images, preventing misdiagnosis and ensuring that urgent patients receive the immediate attention they need. The Director of GenAI Operations  is responsible for driving the adoption, maintaining standards, and ensuring the effective use of AI across Aidoc. This role partners with business and technical stakeholders to identify high-impact opportunities, translate them into scalable AI-enabled workflows, and ensure responsible implementation aligned with company priorities and producing measurable ROI. This role combines strategy, execution, enablement, and governance. Director of GenAI Operations will define standards, build repeatable playbooks, support cross-functional adoption, and help employees and teams use AI tools in a practical, measurable, and secure way. Main roles and responsibilities: Partner with business leaders to identify, assess, and prioritize AI and automation opportunities across workflows and processes. Hands-on creation of scalable AI-enabled workflows and operating models that align with business needs, available tooling, and business systems. Translate use cases into clear implementation requirements, process definitions, documentation, and success criteria. Build and maintain AI playbooks, standards, usage guidelines, and best practices for employees and teams. Lead enablement activities, including onboarding, workshops, training materials, office hours, and internal knowledge sharing. Drive adoption of approved AI tools and capabilities across the organization, helping teams move from experimentation to sustainable usage. Collaborate with business stakeholders to ensure AI usage aligns with governance, privacy, security, confidentiality, and compliance requirements. Establish feedback loops, reporting, and measurable KPIs for AI adoption, productivity gains, and business outcomes. Monitor external AI trends, vendor capabilities, and emerging practices, and recommend improvements relevant to Aidoc. Support vendor evaluation, tool rationalization, and the rollout of new AI capabilities where needed. Requirements: Hands-on technical builder proficient in Python/JS, APIs, GenAI stack (prompts, agents, skills, RAG), and automation tools (n8n, Make, Zapier) Strong business orientation and communication skills – ability to turn ambiguous problems into clear solutions and bridge between business and tech Proven experience in leading cross-functional projects, workflow improvements, or tech adoption initiatives High ownership and proactive problem-solving skills Working at Aidoc Our Perks: Be part of something big - using cutting-edge technologies to transform the Healthcare industry (while saving patients’ lives) We work in a hybrid model, with our new offices located at 34 HaMasger Street in Tel Aviv and parking for employees. Amazing and healthy breakfasts and lunches prepared daily by our personal chef! Stocked up kitchen & meal card Wellness: Aidoc employees-only gym, plus Pilates, Yoga, and functional workouts classes. Amazing culture - collaborative, transparent & fun! Attractive compensation package & benefits Aidoc is deeply committed to creating an inclusive workplace, and to the principle of equal opportunity for all individuals. We prohibit discrimination and harassment based on race, color, religion, sex, sexual orientation, gender identity, national origin, age, disability, veteran status, or any other status protected by law.