Вакансии

Location: Москва В кластере мониторинга корпоративного портфеля Блока "Риски" открыта вакансия Senior DS (LLM & AI Agents). Ищем специалиста, способного проектировать эффективные LLM-решения для мониторинга кредитных рисков средних и крупных компаний в портфеле Сбера, формулировать и тестировать гипотезы их улучшения, разработать систему модельных и бизнес-метрик, писать код для внедрения в промышленный процесс. Обязанности * разработка мультиагентной системы мониторинга корпоративных клиентов * построение llm evals suite для контроля качества работы системы * построение RAG: сбор данных, настройка hybrid search, reranking * интеграция с другими агентами (A2A) и сервисами. Требования * опыт разработки и внедрения LLM-based решений и AI-агентов: от прототипирования до промышленной эксплуатации * опыт разработки в фреймворках: LangChain, LangGraph * опыт решения прикладных задач с использованием RAG, tool calling, structured output, multi-step reasoning и agentic workflows, включая интеграцию с корпоративными данными и сервисами * опыт применения асинхронного и многопоточного программирования (aiohttp, asyncio, multiprocessing) * знание классического ML (scikit-learn, pandas, scipy), основ математической статистики * владение git, SQL, bash. **Будет плюсом**: * опыт работы в финансовых организация и знание доменной области (кредитные риски) * опыт работы с Kubernetes, понимание принципов MLOps и CI/CD. Условия * работа в удобном и современном офисе недалеко от станции метро Кутузовская * 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, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Чем предстоит заниматься: Разработка и внедрение решений на базе ИИ внутри портала Битрикс24; Интеграция внешних нейросетей (YandexGPT, OpenAI, GigaChat и др.) с бизнес-процессами CRM;

Location: Москва Наша команда занимается внедрением AI в процессы Банка в кооперации с коллегами из Казначейства. В процессе работы мы реализуем весь жизненный цикл агента - от сбора требований до внедрения решения в бизнес-процессы. Мы ищем сильного Middle Python-разработчика/AI-Engineer для создания и развития AI-агентов и интеллектуальных сервисов на базе LLM. Обязанности * разработка и вывод в продакшн AI-агентов на базе LLM с использованием LangChain, LangGraph * Формирование и проверка гипотез * интеграция решений с API, базами данных и внутренними сервисами * разработка backend-логики и сервисов под агентские решения * взаимодействие с заказчиками и смежными командами * поддержка и развитие существующих решений, контроль качества данных и результатов работы агентские решений. Требования * релевантный опыт работы от 2 лет (в ML/AI/back-end направлении) * высшее образование по одному из направлений: «Математика», «Физика», «ПМИ», «ПИ», «Мат. методы в экономике». * уверенный Python и опыт написания промышленного кода * знание ООП, структур данных и архитектурных подходов * опыт разработки backend-сервисов и использования API * опыт работы с фреймворками FastAPI / Flask / аналогами * опыт разработки AI-агентов или LLM-приложений, знание LangChain, LangGraph или аналогичных инструментов * опыт работы с RAG: пайплайны, векторные базы данных (FAISS/Chroma/Qdrant) * опыт с open-source LLM (GigaChat, Llama, Mistral, Qwen и др.) * понимание полного цикла AI-проекта: от гипотезы до продакшна и мониторинга. Будет плюсом: * опыт работы с высоконагруженными сервисами, умение оценивать риски и ограничения различных подходов к выполнению задач * навыки работы с git, Jira, Confluence * имеешь понимание основных алгоритмов классического ML (Лин/Лог регрессия, деревья решений, ансамбли), знаешь базу по DL (основные архитектуры для различных задач, тонкости обучения). Условия * комфортный современный офис рядом с м. Ленинский проспект * гибридный формат работы * ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования) * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * программа адаптации и помощь руководителя на старте (для вакансий уровня Junior) * 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: Москва **Создавай архитектуру AI-агентов будущего в Сбере.** Мы строим систему управления интегрированными рисками экосистемы Сбера на основе агентного ИИ. Если ты уверенный разработчик и хочешь решать сложные Enterprise-задачи — тебе к нам. Мы ищем специалиста, который сосредоточен на качественном коде, поиске эффективных решений и работе в сильной команде. Ты будешь писать код, который напрямую влияет на безопасность и эффективность крупнейшего банка страны, участвуя в масштабных проектах высокого уровня. Обязанности • с**оздавать с нуля:** Разрабатывать AI-агентов на базе GigaPlatform и других open-source LLM, которые потом пойдут в промышленную эксплуатацию • т**ьюнить LLM:** Адаптировать и дообучать наши собственные LLM (Prompt Tuning, LoRA, SFT, GRPO), делая их умнее на наших данных • в**недрять:** Участвовать в выводе агентов в продакшн и создавать библиотеки, которыми будут пользоваться другие команды • р**аботать на мощном железе:** 8–16 A100 80 GB • т**ехнологический стек:** vLLM, ollama, llama.cpp, LangChain, LangGraph, Transformers, PyTorch Lightning. Требования **Что мы ценим и что даст тебе преимущество:** • опыт в DS от 1,5 лет • м**атематическая база:** Высшее техническое образование с глубоким пониманием алгоритмов и структур данных • э**кспертиза в ML/DL:** Опыт обучения нейросетей (от классических RNN до трансформеров) • м**астерство RAG:** Ты знаешь разницу между классическим RAG, GraphRAG и Agentic RAG, и понимаешь, где и что применить • п**исать хороший код:** Соблюдать принципы Clean Architecture, SOLID, поддерживать Git Flow. **Будет крутым плюсом:** Опыт в соревнованиях (Kaggle Expert+). **Почему это «та самая» вакансия?** У нас есть для тебя сложные задачи на стыке безопасности, больших данных и агентного ИИ. Ты получишь свободу в принятии технических решений, поддержку амбициозных идей и возможность видеть реальный эффект от своей работы в масштабах экосистемы Сбера. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный / удаленный формат работы * 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 * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI. Проектировать и реализовывать RAG-пайплайны: retrieval, query rewriting, multi-hop поиск, сбор контекста, structured output, цитирование источников и обработку частичных ответов.

Чем предстоит заниматься Развивать HTTP API и бизнес-логику двух асинхронных Python-сервисов на FastAPI.

-Развивать стратегию и roadmap AI-агента. -Проектировать AI Agents и многошаговые сценарии взаимодействия.

Задачи: — Проектирование и разработка микросервисной архитектуры на Java 17+ с использованием Spring Boot (MVC, Data JPA, Security) — Построение пайплайнов Retrieval-Augmented Generation (RAG): от парсинга сырых данных до индексации эмбеддингов — Разработка и поддержка векторных баз данных Qdrant: проектирование схем шардирования, настройка гибридного поиска (BM25 + Dense Vectors) и оптимизация запросов — Создание мультиагентных систем на базе LangChain/LangGraph для автоматизации бизнес-процессов — Глубокий промт-инжиниринг: написание промптов под разные сценарии одного агента, техники Few-shot, Chain-of-Thought, структурированный вывод (JSON mode) — Отладка семантики моделей: снижение энтропии ответов, управление вариативностью через параметры инференса, механизмы self-healing при деградации внешних провайдеров LLM — Оптимизация производительности PostgreSQL: тюнинг сложных SQL-запросов, работа с индексами (B-tree, GIN/GIST, триграммы), проектирование транзакционной изоляции — Вынос вычислений в контейнерную среду: Docker, Kubernetes (Helm), построение отказоустойчивых CI/CD-конвейеров в GitLab CI/Jenkins Требования: — Уверенное владение Java 17+, понимание многопоточности (CompletableFuture, виртуальные потоки Project Loom — будет плюсом) — Экспертный уровень владения стеком Spring: жизненный цикл бинов, аспектно-ориентированное программирование, тонкая настройка пулов соединений БД и параметров безопасности — Опыт проектирования реляционных моделей в PostgreSQL, умение читать EXPLAIN ANALYZE, эффективные миграции (Liquibase/Flyway) — Практический опыт работы с векторными СУБД (Qdrant) или Weaviate/Pinecone/Milvus, понимание метрик близости (Cosine Similarity, Dot Product, Euclidean Distance) — Опыт разработки с библиотеками LangChain и/или LangGraph, построение графов состояний, интеграция внешних инструментов (tool calling) — Навык написания эффективных промптов (Prompt Engineering) и управления поведением LLM без изменения весов модели — Опыт работы с Docker и Kubernetes (манифесты, Helm-чарты), знание Linux shell на уровне уверенного пользователя — Настроенные процессы CI/CD (GitLab CI или Jenkins): сборка Maven/Gradle, покрытие тестами (JUnit 5, Testcontainers), статический анализ кода

Location: Москва Мы исследовательское подразделение, которое отвечает в Сбере за «человека»: поведение, психология, тренды, изменения, особенности восприятия и мышления. Наша ключевая задача: исследовать и рассказывать, что происходит и будет происходить с человеком, как эти изменения переложить в продукт, коммуникации, HR-процессы, чтобы они стали лучше.  Работа в Лаборатории – это возможность прикоснуться практически к любому бизнес-подразделению экосистемы Сбера, к большим данным Сбера, к клиентской базе более 100 млн человек. Мы ищем ML Developer'а — человека, который будет реализовывать ML-проекты Лаборатории: обучение и дообучение моделей, построение data-пайплайнов, вывод решений в production. В отличие от LLM-генералистов команды, которые быстро вайбкодят прототипы, вы будете отвечать за то, чтобы модели работали надёжно, воспроизводимо и масштабируемо, а также дорабатывать прототипы до продакшен решений. Вы рамках Лаборатории вы будете в команде “больших данных и гиперперсонализации”, всего около 25 человек, из которых DS-команда – порядка 10 человек, остальные – исследователи, психологи и социологи. Лаборатория работает на стыке поведенческой науки, данных и AI. Мы строим модели, которые описывают и предсказывают поведение человека — от сегментации клиентов до цифровых двойников. ML Developer — это тот, кто превращает исследовательские гипотезы в работающие модели и надёжную инфраструктуру вокруг них. Наш технологический стек: * ML/DL: HuggingFace Transformers, SentenceTransformers, CatBoost, XGBoost * LLM & Vector Search: локальные модели (Llama 3, Qwen), API (OpenAI), FAISS * Data & Infra: ClickHouse, Docker, FastAPI, Postgres, RabbitMQ, MongoDB * MLOps & Orchestration: MLflow, W&B, Prefect, Dagster, Ray, Prometheus, OpenTelemetry * Инструменты: Hydra, Poetry. Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере, 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 ### Чем предстоит заниматься: * классический ML/NLP: разработка и обучение моделей для анализа текстов, поведенческих данных, психометрических профилей. * кластеризация, классификация, NER, sentiment — всё, что требуется для исследований на данных. * LLM-интеграция: fine-tuning и дообучение языковых моделей под задачи Лаборатории, построение embedding-пайплайнов, проектирование RAG-архитектур с графовыми и векторными БД. * работа с промптами на уровне системной архитектуры, а не ad hoc экспериментов * Production & MLOps: вывод моделей из ноутбуков в production — контейнеризация, CI/CD, мониторинг, версионирование моделей и данных * построение воспроизводимых пайплайнов обработки данных. Требования ### Наши ожидания от кандидата: ML & NLP: * практический опыт обучения и дообучения моделей (классический ML + deep learning) * уверенная работа с NLP: text classification, NER, embeddings, topic modeling, умение работать с ASR, Text-to-Speech задачами * опыт fine-tuning трансформерных моделей (HuggingFace Transformers, PEFT, LoRA, QLoRA) * понимание метрик качества моделей и умение проектировать эксперименты. LLM & Retrieval-архитектуры: * опыт работы с LLM API (OpenAI, Anthropic и др.) на уровне production-решений * построение RAG-пайплайнов: chunking-стратегии, embedding-модели, векторные и графовые БД * понимание различий между векторным поиском и BM25 * работа с LangChain / LangGraph или аналогами. Engineering & MLOps: * Python как основной язык, уверенное владение * Docker, CI/CD, базовый DevOps * опыт работы с ML-оркестраторами (MLflow, W&B, Prefect, Dagster — хотя бы один) * навыки разработки API (FastAPI / аналоги) * работа с SQL-базами (ClickHouse, Postgres) и очередями (RabbitMQ и т.п.). Софты и майндсет: * техническое образование (ML, CS, математика, инженерия) * умение переводить абстрактные исследовательские гипотезы в формализованные ML-задачи * способность объяснять технические решения нетехнической аудитории (исследователям, бизнесу) * интерес к поведенческой науке, психологии — или хотя бы готовность погружаться. Будет плюсом: * опыт работы с распределёнными вычислениями (Ray, DeepSpeed) * знакомство с Prometheus, OpenTelemetry, observability-стеком * опыт работы с графовыми базами данных (Neo4j и т.п.) * контроль стоимости и latency AI-вызовов * публикации, pet-проекты, вклад в open-source * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия ### Мы предлагаем: * комфортный современный офис г. Москва, рядом с метро Кутузовская * офисный формат работы: 5/2 с 10 до 19, возможен гибрид (1-2 дня в неделю вне офиса) * 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 * вознаграждение за рекомендацию друзей в команду Сбера.

-Разработка ИИ агентов и мультиагентной платформы: логика агентов, взаимодействие, оркестрация. -Интеграция с LLM: подключение моделей, промпты, обработка ответов.

Location: Москва Vs — R&D команда проекта GigaLegal в СБЕР, создающая решения в правовой сфере на основе LLM для автоматизации юридических процессов. Наша цель — трансформировать работу юристов, бизнеса и госструктур через: * автоматизацию анализа договоров и юридических документов * интеллектуальную генерацию правовых текстов * разработку специализированных юридических чат-ботов * создание автономных юридических ИИ-агентов. Обязанности * разработка и развитие LLM-проектов в юридическом домене — от прототипов до продакшена * проектирование и обучение агентов-экспертов, решающих задачи правового домена (RAG-пайплайны, классификация запросов, генерация ответов, оценка релевантности) * исследование и настройка multi-agent orchestration (LangGraph, LangChain, schema guided reasoning pipelines) * работа с GigaChat как основной моделью, а также эксперименты с ChatGPT, Gemini, Qwen * дообучение малых моделей (instruction-tuning, adapters, LoRA) для повышения качества юридического рассуждения * разработка метрик качества * взаимодействие с инженерами и аналитиками права — внедрение моделей в реальные кейсы (алиментные, потребительские, трудовые и т.д.). Требования * опыт работы DS/ML-инженером от 3х лет * понимание архитектуры LLM и принципов prompt engineering * опыт построения RAG-систем, fine-tuning и дообучения моделей * умение проектировать пайплайны inference / retraining. Будет плюсом:  * опыт в LegalTech или смежных областях (финансы, документооборот, чат-боты). * понимание структуры и логики российских нормативных актов * опыт интеграции LLM с внешними API или базами знаний. Наш стек: Python 3.10+, FastAPI, LangChain / LangGraph, OpenSearch, Redis, Kafka. Условия * формат работы офис на испытательном сроке, локация офиса ул Вавилова д.19 * 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, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы создаем AI-продукты, которые трансформируют работу маркетинга: от анализа исследований и клиентских инсайтов до интеллектуального копайлота, помогающего маркетологам работать с данными, документами, контентом и креативами. Если вам интересно не просто подключать LLM по API, а понимать, как устроены современные AI-системы, проектировать их архитектуру и превращать возможности моделей в работающие продукты, — присоединяйтесь к нашей команде. Обязанности * разрабатывать AI-сервисы: от прототипа и выбора подхода до интеграции в существующий технологический ландшафт * проектировать взаимодействие LLM с инструментами, данными, API и другими сервисами * развивать AI-копайлота для маркетинга: работу с документами и презентациями, генерацию контента, поиск и анализ информации * исследовать новые LLM, существующие фреймворки и инструменты и определять, где они могут дать практический эффект в продукте * проектировать подходы к оценке качества AI-систем, проводить эксперименты и улучшать решения на основе результатов * участвовать в проектировании архитектуры AI-продуктов и агентных систем на базе современных LLM. Требования * высшее образование * опыт разработки на Python и опыт промышленной разработки AI/ML-систем от 3х лет * глубокое понимание того, как устроены современные LLM-системы: inference, context management, tool/function calling, structured output, caching, embeddings, RAG и agentic workflows * хорошее понимание system design: архитектуры современных приложений и сервисов, интеграционных паттернов, API, очередей, хранилищ, кэширования и подходов к построению систем * практический опыт создания продуктов и сервисов на базе LLM * опыт интеграции LLM в существующие системы и работы с внешними и внутренними API * опыт работы с векторным поиском и базами данных (Elastic, Chroma, Weaviate или аналоги) * навыки работы с LLM serving engines (vLLM, ollama, sglang) * понимание подходов к evaluation LLM-систем и способность превращать субъективное «работает хорошо» в измеримые критерии качества * особенно важно продуктовое мышление: способность работать с разного уровня проработки требованиями, самостоятельно прорабатывать детали решения, предлагать варианты реализации, быстро проверять гипотезы и вместе с владельцем продукта находить объективные критерии качества AI-продукта Будет плюсом: * опыт создания AI-ассистентов, копайлотов или агентных систем для B2B/enterprise-сценариев * опыт работы с LangGraph, LangChain, LlamaFactory, Unsloth или аналогичными инструментами * понимание маркетинговых процессов и задач маркетинга * публикации, open-source или собственные AI-проекты. Условия * гибридный формат работу, офис на Кутузовском д.32 * 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, равный 1/3 ключевой ставки ЦБ * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Казань Мы формируем ядро команды, которая создает с нуля экосистему интеллектуальных агентов для автоматизации бизнес-процессов. Нам нужен универсальный специалист, способный вести фичи от проектирования базы данных до реализации сложного интерактивного интерфейса. Наша цель - разработка готовых решений «под ключ». Вы будете работать на стыке бэкенда, машинного обучения и фронтенда, напрямую влияя на то, как тысячи сотрудников банка взаимодействуют с новыми инструментами оптимизации. Обязанности * разработка backend для AI-агентов * интеграция с API существующих АС * реализация RAG-пайплайнов * оптимизация производительности * сode review. Требования * 3+ года в backend-разработке * python (FastAPI, Django) / Java / Go * опыт работы с LLM-фреймворками (LangChain, LlamaIndex) * postgreSQL, Redis, MongoDB * микросервисы, event-driven архитектура. Условия * комфортный современный офис г. Казань * гибридный формат работы * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * программа ипотеки для сотрудников * подписка Прайм с возможностью совместного использования на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера.

-Развивать стратегию и roadmap AI-агента. -Проектировать AI Agents и многошаговые сценарии взаимодействия.

• Предлагать идеи для развития продукта и помогать их воплощать. • Собирать AI-агентов, ботов и небольшие программы.

Location: Indonesia; Nigeria; Turkey; United States About Gramian Gramian Consultancy is a boutique consultancy specializing in IT professional services and engineering talent solutions. With a strong background in software engineering and leadership, we help companies build high-performing teams by matching them with professionals who truly fit their needs. About the Role We are looking for experienced Application Security Engineers and Security-Focused Software Engineers to support a specialized AI security evaluation project. In this role, you will assess how effectively static analysis tools identify security vulnerabilities in Generative AI applications, particularly LLM agents and Retrieval-Augmented Generation (RAG) systems. You will build small, runnable repositories containing realistic examples of Sensitive Information Disclosure (SID) and Excessive Agency (EA) vulnerabilities, alongside fixed and near-miss versions. You will analyze code paths, identify security weaknesses, define authorization contexts, develop deterministic tests, and document findings. Your work will help improve the reliability of security tools and strengthen how AI systems are evaluated for application-level vulnerabilities. LOCATION: Remote EXPERIENCE: 5+ years in application/product security or security-focused software engineering PROJECT: GenAI application security evaluation and AI training TECHNICAL FOCUS: Python, TypeScript, SAST, CodeQL, Semgrep, LLM agents, RAG, and MCP AI EXPERIENCE: Hands-on experience building LLM agents or RAG applications is required. Key Responsibilities Build runnable agent and RAG repositories containing code-reachable Sensitive Information Disclosure and Excessive Agency vulnerabilities. Develop realistic security scenarios involving tool calling, agent memory, Model Context Protocol (MCP), and other LLM application components. Create vulnerable, fixed, and hard-negative code variants with minimal security-relevant differences. Evaluate static application security testing (SAST) tools and assess their ability to detect genuine vulnerabilities while avoiding false positives. Perform source-to-sink analysis and trace relevant data flows, action paths, and trust boundaries. Annotate security findings, including affected assets, root causes, controls, severity, and residual risk. Define authorization contexts covering actors, tenants, identities, permitted data, actions, purposes, and recipients. Develop deterministic tests to validate vulnerable, fixed, and negative security behaviors. Recommend appropriate security controls and remediation approaches. Participate in technical calibration, peer reviews, and quality assurance activities. Requirements 5+ years of professional experience in application security, product security, or security-focused software engineering. Strong experience conducting secure code reviews and identifying application-level vulnerabilities. Practical knowledge of source-to-sink analysis, taint analysis, and static application security testing (SAST). Hands-on experience with security analysis tools such as CodeQL or Semgrep. Experience building or securing LLM agents and/or Retrieval-Augmented Generation (RAG) applications. Familiarity with frameworks and technologies such as LangChain, LlamaIndex, OpenAI or Anthropic SDKs, and Model Context Protocol (MCP). Strong understanding of authorization models, including: Actors, identities, and trust boundaries. Multi-tenant authorization and access control. OAuth, IAM, and identity management. Permitted data access and actions. Purpose and recipient restrictions. Document-level access control. Production-level coding experience in Python and/or TypeScript. Ability to distinguish genuine Sensitive Information Disclosure and Excessive Agency vulnerabilities from non-findings and false positives. Strong analytical skills and the ability to communicate technical security findings clearly.

Location: Bangladesh; Brazil; Colombia; Egypt; Ghana; India About Gramian Gramian Consultancy is a boutique consultancy specializing in IT professional services and engineering talent solutions. With a strong background in software engineering and leadership, we help companies build high-performing teams by matching them with professionals who truly fit their needs. About the Role We are looking for experienced Application Security Engineers and Security-Focused Software Engineers to support a specialized AI security evaluation project. In this role, you will assess how effectively static analysis tools identify security vulnerabilities in Generative AI applications, particularly LLM agents and Retrieval-Augmented Generation (RAG) systems. You will build small, runnable repositories containing realistic examples of Sensitive Information Disclosure (SID) and Excessive Agency (EA) vulnerabilities, alongside fixed and near-miss versions. You will analyze code paths, identify security weaknesses, define authorization contexts, develop deterministic tests, and document findings. Your work will help improve the reliability of security tools and strengthen how AI systems are evaluated for application-level vulnerabilities. LOCATION: Remote EXPERIENCE: 5+ years in application/product security or security-focused software engineering PROJECT: GenAI application security evaluation and AI training TECHNICAL FOCUS: Python, TypeScript, SAST, CodeQL, Semgrep, LLM agents, RAG, and MCP AI EXPERIENCE: Hands-on experience building LLM agents or RAG applications is required. Key Responsibilities Build runnable agent and RAG repositories containing code-reachable Sensitive Information Disclosure and Excessive Agency vulnerabilities. Develop realistic security scenarios involving tool calling, agent memory, Model Context Protocol (MCP), and other LLM application components. Create vulnerable, fixed, and hard-negative code variants with minimal security-relevant differences. Evaluate static application security testing (SAST) tools and assess their ability to detect genuine vulnerabilities while avoiding false positives. Perform source-to-sink analysis and trace relevant data flows, action paths, and trust boundaries. Annotate security findings, including affected assets, root causes, controls, severity, and residual risk. Define authorization contexts covering actors, tenants, identities, permitted data, actions, purposes, and recipients. Develop deterministic tests to validate vulnerable, fixed, and negative security behaviors. Recommend appropriate security controls and remediation approaches. Participate in technical calibration, peer reviews, and quality assurance activities. Requirements 5+ years of professional experience in application security, product security, or security-focused software engineering. Strong experience conducting secure code reviews and identifying application-level vulnerabilities. Practical knowledge of source-to-sink analysis, taint analysis, and static application security testing (SAST). Hands-on experience with security analysis tools such as CodeQL or Semgrep. Experience building or securing LLM agents and/or Retrieval-Augmented Generation (RAG) applications. Familiarity with frameworks and technologies such as LangChain, LlamaIndex, OpenAI or Anthropic SDKs, and Model Context Protocol (MCP). Strong understanding of authorization models, including: Actors, identities, and trust boundaries. Multi-tenant authorization and access control. OAuth, IAM, and identity management. Permitted data access and actions. Purpose and recipient restrictions. Document-level access control. Production-level coding experience in Python and/or TypeScript. Ability to distinguish genuine Sensitive Information Disclosure and Excessive Agency vulnerabilities from non-findings and false positives. Strong analytical skills and the ability to communicate technical security findings clearly.

Мы ищем Junior Data Engineer, который готов погрузиться в существующую инфраструктуру аналитики: разбираться в коде, оптимизировать пайплайны, исправлять баги и добавлять новые процессы.