Вакансии

Location: Москва Мы — команда GenBI and Agentization, разрабатывающая AI-ассистента для платформы Navigator BI — ключевой бизнес-аналитической системы банка. Наш проект уже решает задачи, значимые для всей экосистемы Сбера. Наша цель — создать интеллектуального помощника, который помогает пользователям: * находить нужные дашборды и отчёты * получать статистику и динамику показателей естественным языком * генерировать новые визуализации (графики, виджеты, таблицы) на основе сырых данных * отвечать на вопросы, касающихся бизнес-показателей. Обязанности * повышать метрики качества AI-сервиса: дообучать и адаптировать модели, улучшать пайплайны обработки запросов * лидировать выделенное направление в команде: проводить code review, предлагать архитектурные решения * тестировать гипотезы по улучшению пользовательского опыта — от качества поиска до точности генерации визуализаций * интегрировать LLM в существующие процессы, развивать RAG-компоненты и агентную логику * взаимодействовать с командой разработки и бизнес-заказчиками для уточнения требований и постановки задач. Требования * опыт разработки LLM-приложений и/или агентных систем * глубокое понимание современных NLP-архитектур (трансформеры, механизмы внимания) * уверенное владение PyTorch и LangChain Будет плюсом: * опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных * опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов * знание MLOps-практик (CI/CD для ML, мониторинг моделей) * понимание архитектуры агентных систем * умение самостоятельно вести задачи от гипотезы до внедрения * опыт использования GigaChat, Kandinsky и аналогов в продуктах. Условия * комфортный современный офис рядом с м. Кутузовская * гибридный формат работы * 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 * 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 — команда в Департаменте маркетинга Сбера. Мы строим ИИ-агентов на базе LLM, совмещая скорость стартапа с масштабом большой компании: у нас есть доступ к огромным массивам данных, серьёзная инфраструктура и свобода выбирать лучшие инструменты под задачу. Наши агентные направления Вы будете развивать ключевое направление департамента — создавать агентные системы двух типов: 1. Внутренние продукты для сотрудников. Автоматизация рабочих процессов внутри банка. Например, агенты, которые по текстовому брифу генерируют готовую структуру веб-страниц с контентом и изображениями, экономя время маркетинговых команд. 2. Внешние интерфейсы для клиентов. Диалоговые ассистенты на публичных ресурсах. Ваш код будет напрямую взаимодействовать с миллионами пользователей сайта Сбербанка, помогая им получать ответы через GigaChat, поиск по базам знаний (RAG) и систему скиллов. Наш главный продукт сегодня — backend AI-ассистента на сайте банка. Это сложная система оркестрации диалогов на LangGraph. Сейчас мы собираем современный агентный стек с нуля (LangGraph, RAG, function calling). 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 * под руководством ментора разрабатывать и поддерживать оркестрацию агентов на LangGraph: реализовывать узлы графа, работать с состоянием и условными переходами * писать и улучшать скиллы и инструменты (tools) для агента: интеграция с внешними HTTP API, валидация результатов по JSON Schema, простые ReAct-подграфы * работать с LLM: писать и править промпты, проектировать Pydantic-схемы для структурированного вывода, экспериментировать с параметрами моделей и function/tool calling * разрабатывать HTTP-контур: REST- и SSE-эндпоинты (инициация диалогов, стриминг ответов, управление историей) под руководством старших коллег * участвовать в подключении внешних систем: HTTP API, Kafka, поисковые движки; помогать в развитии RAG-пайплайна (эмбеддинги, поиск, реранкинг) * покрывать код тестами: unit- и интеграционные тесты (pytest, моки LLM и внешних сервисов); соблюдать стандарты качества — строгая типизация mypy, линтинг ruff, код-ревью * участвовать в код-ревью (сначала как автор, затем как ревьюер), учиться архитектуре агентских систем и банковским требованиям к безопасности * версионировать и проверять промпты: сравнение поведенческих сценариев, проверка на реальных моделях. Требования * уверенно пишете на Python (3.10+): знаете ООП, структуры данных, базовые алгоритмы; пишете чистый и читаемый код * имеете практический опыт async/await / asyncio (коммерческий, стажировка или серьёзный пет-проект) * знакомы с веб-фреймворками FastAPI и/или aiohttp на уровне pet-проектов или коммерческого опыта до 1–2 лет; понимаете основы REST API * понимаете, как работают LLM через API (GigaChat, ChatGPT и аналоги): промпты, структурированный вывод, function/tool calling — хотя бы на уровне собственных экспериментов * знакомы с LangChain/LangGraph или другими оркестраторами агентов либо готовы быстро освоить их при сильной инженерной базе * знаете SQL и имеете базовый опыт работы с PostgreSQL (запросы, простые схемы, транзакции) * используете Pydantic (или аналогичные инструменты валидации) и понимаете ценность строгой типизации * готовы писать тесты (pytest), пользоваться Git, следовать стандартам код-ревью и CI/CD * высокая обучаемость, curiosity к LLM-технологиям и желание расти в AI-инженерии * начала высшего образования достаточно; рассматриваем студентов старших курсов и выпускников. Будет плюсом: ------------- * стажировки или коммерческий опыт разработки на Python (от 3–6 месяцев) * пет-проекты с LLM: телеграм-боты с AI, RAG-ассистенты, агентные приложения на LangChain/LangGraph * понимание RAG: эмбеддинги, векторный поиск, pgvector * базовые навыки Docker, Git, Linux * опыт работы с кодинговыми агентами (GigaCode CLI) и понимание принципов SDD * знакомство с Kafka, OpenSearch, наблюдаемостью (Grafana/Prometheus, OpenTelemetry) * участие в хакатонах, олимпиадах, open-source * понимание основ безопасности и интерес к банковскому домену * 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 * гибридный формат работы (2-3 дня в офисе). Офис по адресу: г.Москва офис Кутузовский проспект 32 * 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.

Задачи: — разработка бэкенда AI-функций, включая чат, стриминг ответов, retrieval и Deep Research — работа с API LLM-провайдеров (OpenAI, Anthropic, Gemini): управление параллельными вызовами, лимитами, кешированием prompt и контролем стоимости — разработка контрактов между фронтендом и бэкендом — ревью AI-сгенерированных pull request и поиск дефектов за зелёными тестами — при необходимости исправление фронтенда на React и TypeScript Требования: — минимум 3 года коммерческого опыта бэкенд-разработки, включая работу с LLM-сервисами в продакшене — опыт с Python, asyncio, FastAPI, Pydantic v2, стриминг через SSE — знание API OpenAI, Anthropic, Gemini: использование инструментов, структурированный вывод, кеширование prompt, управление лимитами — опыт работы с PostgreSQL и Redis — навыки работы с React и TypeScript на уровне самостоятельного исправления кода — английский язык на уровне B1 и выше Будет плюсом: — опыт с RAG и векторными базами данных — работа с очередями (Celery, arq) — знакомство с Langfuse или OpenTelemetry — опыт работы с Docker — опыт с evals Условия: — выход на работу на следующий день после собеседования — удалённая работа, полный рабочий день — участие в опционной программе

Location: Москва Мы создаем передовые решения в области интеллектуальной обработки неструктурированного контента бизнес-инициатив Банка и жизненного цикла AI Агентов, в том числе хранения и эволюции памяти. Наши продукты составляют сервисы от high-load до UI и располагаются в 3 сегментах сети: * RAG Platform * AI Agents SkillHub * AI Agents Memory * LLM Harness * AI Studio UI Наша платформа поддерживает и развивает более 300 инициатив, обрабатывает 100М+ запросов ежемесячно и интегрирована во все клиентские сценарии банка. Мы ищем Lead DevOps с сильным уклоном в Platform Engineering, который возглавит направление DevOps платформы: сформирует эффективные процессы, осуществит переход с ClickOps, legacy кодовой базы на тестируемый код, современные GitOps практики (в том числе перестройка CI/CD пайплайнов) для всех продуктов трайба. Вы будете отвечать за конечные метрики пользования платформой несколькими командами разработки и сопровождения (DORA и пр) и будете напрямую влиять на процессы внедрения наших продуктов, улучшая их стабильность, предсказуемость и общие трудозатраты команд на релиз. Обязанности \- руководство направлением DevOps платформы \- проектирование и реализация перехода на GitOps подход \- подбор команды, планирование целей на спринт/квартал/год \- выстраивание процессов по взаимодействую с платформой со смежными командами разработки и сопровождения \- контроль и влияние на DORA метрики. Требования • проверенный опыт в создании DevOps платформы, которой пользуются несколько команд/продуктов • инженерный подход к написанию тестируемого кода • продвинутое понимание k8s/openshift, ArgoCD, Helm • архитектурное понимание и умение планировать вид платформы на годы вперед • навыки технического ведения platform engineering направления - от сбора требований от стейкхолдеров до реализации CI/CD пайплайнов • сильный уровень Python / Java / иной язык разработки. Понимание groovy бонусом. **Будет плюсом** * желание разбираться и устранять проблемы в корне, нетерпимость к "заплаткам" и накоплению техдолга * умение обосновывать сложные технические решения и в том числе выдержка и умение говорить "нет" * опыт миграций DevOps стека работающего продукта * кросс-командная коммуникация и трансляция требований на команды разработки и сопровождения * работа с multi-tenant / segmented-network продуктами. 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.

Location: Abu Dhabi, UAE; Hong Kong SAR; Kuala Lumpur, Malaysia About Us Established in 2018, Bybit is one of the world’s leading cryptocurrency exchanges and digital financial platforms, serving over 80 million users across more than 200 countries and regions. Powered by world-class technology and a user-first mindset, Bybit delivers a seamless ecosystem across trading, payments, wealth management, custody, institutional services, and Web3 — connecting users to the future of digital finance. Our core values define how we build. We listen, care and improve to create products and experiences that put users first. Backed by a global team of ambitious builders, problem-solvers, and innovators, we foster a high-performance and fast-moving environment where talent is empowered to drive real impact at the global scale. Supported by 24/7 multilingual customer service and a strong commitment to innovation, we are shaping the future of finance through technology, collaboration, and bold execution. Today, Bybit is recognized as one of the most trusted and transparent platforms in the digital asset industry, continuing to expand its global presence while building the infrastructure for the next generation of financial services. 岗位概述 我们正处于 AI 重塑金融基础设施的历史节点。作为 AI Agent 架构师 ，你将成为 AI 智能体系的核心构建者——不只是编写代码，而是定义下一代金融级 Agent 如何感知市场信号、规划执行路径、记忆业务上下文与跨系统协作。你将主导打造可承载真实金融场景的 Agent 体系，覆盖交易辅助、风控研判、合规监察、用户智能服务等核心业务，让 AI 在加密金融的高速、高压、高合规环境中真正自主完成复杂任务。这里没有边界模糊的分工，有的是直接影响亿级用户体验的技术决策权，以及一支对 LLM 与 Agent 技术有极高密度认知的精英工程团队。 核心职责 Agent 体系架构设计 ：主导设计 AI 智能体架构，定义 Agent 在 Openclaw 平台上的运行模型、生命周期管理与资源隔离策略；构建支撑交易辅助、风控研判、合规监察等金融核心场景的 Agent 能力基座，确保系统在高并发、低延迟、强合规约束下稳定运行。 金融场景 Agent 工程化落地 ：将交易信号分析、风险识别、监管合规、智能客服等业务需求转化为可执行的 Agent 工作流；设计任务规划链路（ReAct / Plan-and-Execute）、异常回退机制与结果验证体系，推动 Agent 从 PoC 快速进入生产环境。 Openclaw 平台建设与演进 ：深度参与 Openclaw Agent Runtime 的架构演进与性能优化；设计插件体系、能力注册中心与多 Agent 编排机制，降低业务团队接入成本，持续提升平台的扩展性与复用率。 工具生态与内部系统集成 ：构建标准化工具调用框架，打通 Bybit 内部交易引擎、风控系统、数据平台与外部 API；设计工具权限管控、调用链追踪与错误恢复机制，集成 MCP 等标准协议，构建金融级异构工具生态。 生产质量与可观测性体系 ：主导 Agent 系统的可观测性建设，包括 Trace 追踪、Evaluation 评测、成本监控与延迟治理；建立金融场景下的 Agent 质量基线与回归测试体系，持续提升系统稳定性与可解释性。 技术前瞻与团队赋能 ：持续追踪 Agent 领域前沿进展，将研究成果转化为 AI 工程实践；制定团队 Agent 开发规范与最佳实践，通过 Code Review、技术分享与方向评审推动团队整体 AI-native 工程能力提升。 任职要求 扎实的 LLM/Agent 工程经验 ：具备 3年以上 AI 系统开发经验，其中 1年以上 大型语言模型（LLM）、RAG 或 Agent 系统的生产环境落地经验；具备 Openclaw 平台的开发与优化实战经验，熟悉其 Agent Runtime 架构、插件体系与多 Agent 编排机制，能基于 Openclaw 独立完成复杂 Agent 应用的工程化落地与性能调优。 系统架构能力 ：具备分布式系统设计能力，熟悉微服务架构、消息队列（Kafka / RabbitMQ）、异步任务调度等工程模式；能够独立完成从需求分析、架构设计到技术选型的完整决策链路。 编程能力 ：熟悉至少一门后端语言（ Golang / Java / Node.js ）；具备 REST API 设计与 Docker / Kubernetes 容器化部署能力。 LLM 核心技术理解 ：深入理解 Transformer 架构、Attention 机制、Prompt Engineering（CoT、Few-shot、Structured Output）；熟悉主流模型 API（OpenAI、Anthropic Claude、Google Gemini）及本地部署方案（Ollama、vLLM）。 工程质量意识 ：具备良好的代码设计习惯（设计模式、单元测试、CI/CD）；有构建 LLM 评测（Evaluation）体系或 Agent Tracing（LangSmith / Phoenix / Langfuse）的实战经验。 加分项 有 MCTS、A\*、强化学习（RL） 与 LLM 结合的规划/推理研究或工程经验，熟悉 SFT / RLHF 训练流程。 在 金融、 Web3 、合规 或其他高复杂度垂直领域有 Agent 系统落地经验，理解领域知识对 Agent 设计的特殊约束。 有开源贡献或在 NeurIPS / ICML / ACL / ICLR 等顶会发表过 Agent / RAG / LLM 相关论文。 具备 多模态（Multimodal） Agent 开发经验，包括图文理解、文档解析（PDF / 财报 / 研报）等非结构化数据处理能力。 熟悉 MCP （ Model Context Protocol ） 或参与过 Agent 标准协议的设计与实现。 About the Role We're at an inflection point where AI is fundamentally reshaping financial infrastructure. As an AI Agent Architect , you will be a core builder of AI's intelligent ecosystem — not just writing code, but defining how next-generation financial-grade Agents perceive market signals, plan execution paths, retain business context, and orchestrate across systems. You will lead the construction of Agent capabilities purpose-built for real financial scenarios: trading intelligence, risk assessment, compliance monitoring, and smart user services — engineered to operate autonomously in crypto finance's high-velocity, high-stakes, and high-compliance environment.This is a role with genuine technical ownership. You'll make architectural decisions that directly shape the experience of hundreds of millions of users, alongside an elite engineering team with exceptional depth in LLM and Agent technology. Key Responsibilities Agent Architecture Design : Lead the architectural design of AI's intelligent Agent layer — defining agent execution models, lifecycle management, and resource isolation strategies on the Openclaw platform. Build the foundational Agent capabilities powering core financial scenarios including trading intelligence, risk assessment, and compliance monitoring, engineered for high-concurrency, low-latency, and regulatory-grade reliability. Financial Scenario Agent Engineering : Translate complex financial use cases — trading signal analysis, risk identification, regulatory compliance, and intelligent customer service — into production-ready Agent workflows. Design task planning chains (ReAct / Plan-and-Execute), fallback and error recovery mechanisms, and result validation frameworks that accelerate the path from PoC to production. Openclaw Platform Development & Evolution : Contribute deeply to the architectural evolution and performance optimization of the Openclaw Agent Runtime. Design the plugin ecosystem, capability registry, and multi-agent orchestration mechanisms to reduce onboarding friction for product teams and improve platform extensibility and reusability. Tool Ecosystem & Internal System Integration : Build a standardized tool-calling framework connecting Bybit's internal trading engine, risk systems, data platforms, and external APIs. Design tool permission controls, call-chain tracing, and error recovery; integrate standards such as MCP to unify a financial-grade heterogeneous tool ecosystem. Production Quality & Observability : Lead the observability stack for Agent systems, including trace monitoring, evaluation pipelines, cost tracking, and latency governance. Establish quality baselines and regression testing frameworks for financial Agent scenarios, continuously improving system stability and interpretability. Technical Vision & Team Enablement : Track and internalize cutting-edge Agent research, translating advances into AI engineering practice. Define team-wide Agent development standards and best practices; drive AI-native engineering capability uplift through code reviews, technical sharing, and architectural reviews. Requirements Proven LLM / Agent Engineering Experience : 3+ years of AI systems development experience, including 1+ year of production experience with Large Language Models (LLMs), RAG systems, or Agent frameworks; hands-on development and optimization experience with Openclaw , including familiarity with its Agent Runtime architecture, plugin ecosystem, and multi-agent orchestration mechanisms. Systems Architecture Proficiency : Strong distributed systems design skills including microservices architecture, message queues (Kafka / RabbitMQ), and async task scheduling; capable of independently driving the full decision chain from requirements analysis through architecture design to technology selection. Programming Expertise : Proficiency in at least one backend language ( Golang / Java / Node.js ); solid REST API design and containerized deployment skills (Docker / Kubernetes). Deep LLM Technical Understanding : Strong grasp of Transformer architecture, Attention mechanisms, and advanced Prompt Engineering (CoT, Few-shot, Structured Output); experience with major model APIs (OpenAI, Anthropic Claude, Google Gemini) and local deployment solutions (Ollama, vLLM). Engineering Quality Standards : Strong software design fundamentals (design patterns, unit testing, CI/CD); hands-on experience building LLM evaluation frameworks or Agent tracing pipelines (LangSmith / Phoenix / Langfuse). Nice to Have Experience combining MCTS, A\*, or Reinforcement Learning (RL) with LLMs for planning and reasoning; familiarity with SFT / RLHF training pipelines. Proven Agent system deployments in high-complexity vertical domains such as Finance, Web3, or Compliance , with an understanding of domain-specific constraints on Agent design. Open-source contributions or publications in NeurIPS / ICML / ACL / ICLR on Agent, RAG, or LLM-related topics. Experience with multimodal Agent development, including vision-language understanding and unstructured document parsing (PDFs, financial reports, research papers). Familiarity with MCP (Model Context Protocol) or prior involvement in designing and implementing Agent communication standards. Why Join Us At Bybit, we are committed to fostering a supportive and enriching work environment. Our benefits include: - Study Growth Fund: We support your professional development and continuous learning. - Internal Events: Participate in regular team-building activities, workshops, and events designed to promote collaboration and innovation. - Global Collaboration: Be part of a diverse, international team, working alongside colleagues from around the world. - Career Advancement: Access opportunities for growth and advancement within a rapidly expanding global company. - Internal Mobility: Grow with us- Your long-term development is important to us. We offer internal job opportunities to help build your career path.

Location: Georgian office; Yerevan, Yerevan, Armenia About Lineate Lineate is a US-based international software development company with over two decades of experience. From Intelligent Document Processing(IDP) and Agentic RAG systems to scalable cloud architectures, we turn complex ideas into real, measurable results. We deliver AI-driven custom solutions for FinTech, HealthTech, AdTech, and beyond, empowering businesses to grow smarter, faster, and more efficiently. Our expertise falls into three main categories: Building Custom AI Solutions: Deploying high-impact, AI-enabled technology utilizing IDP, Agentic RAG. Cloud and Data Infrastructure: Optimizing business operations with our data management and cloud computing solutions. Team Augmentation: Providing specialized experts in FinTech, AdTech, and HealthTech to integrate seamlessly and accelerate project timelines. Our goal is not just to build technology, but to build the future operating model for our clients. Requirements 6+ years of professional software engineering experience. Strong hands-on experience with Node.js, TypeScript, and React.js , with a backend focus. Practical experience with Agentic Development and AI-assisted development tools. Solid experience with AWS cloud services. Strong understanding of microservices architecture , REST APIs, and distributed systems. Experience with SQL/NoSQL databases, CI/CD, and automated testing. Ability to independently design, develop, and deliver scalable software solutions. We offer Freedom to Develop - equal opportunity to learn and grow professionally Clear career and professional path, strong performance management system Social Benefits Package Equipment English lesson Gym membership All the advantages of working in an international IT company Flexible vacation time Fun and inclusive in-person and digital events Lineate is proud to be an Equal Opportunity Employer - We do not hire on the basis of race, colour, religion, creed, gender, national origin, citizenship, age, disability, veteran status, marital status, pregnancy, parental status, sex, gender expression or identity, sexual orientation, or any other basis protected by labor legislation. All employment is decided based on qualifications, merit, and business ne ed. Learn more about Lineate at our website: www.lineate.com

Location: USA Workplace: Remote Solvd Inc. is a rapidly growing AI-native consulting and technology services firm delivering enterprise transformation across cloud, data, software engineering, and artificial intelligence. We work with industry-leading organizations to design, build, and operationalize technology solutions that drive measurable business outcomes. Following the acquisition of Tooploox, a premier AI and product development company, Solvd now offers true end-to-end delivery—from strategic advisory and solution design to custom AI development and enterprise-scale implementation. Our capability centers combine deep technical expertise, proven delivery methodologies, and sector-specific knowledge to address complex business challenges quickly and effectively. We are looking for a Senior AI Quality & Evaluation Engineer to own the independent proof that retrieval works and that permissions hold. You’ll build and run the golden question suite, negative entitlement tests, and drift alarms that serve as acceptance gates — so the engineers who built the system are not grading their own work. This is a 50% allocation role across weeks 3–10, drawn from a Quality Engineering or GRC background, reporting to the POD Lead and working day-to-day with the retrieval engineer. WHAT YOU’LL DO - Build the golden question suite from top contact drivers and needs workshops — question, expected source, expected passage, and acceptance thresholds for relevance, grounding, and citation accuracy, versioned alongside the content it tests. - Build the negative entitlement test set — queries issued under unentitled identities that must return no restricted passage, with any failure raised as a severity-one alarm. - Build freshness and retirement tests — source-modified-to-index-available lag per item against the agreed threshold, and verification that retired items disappear on the next sync. - Automate the harness to run on schedule and after every content, configuration, or model change — publishing scores to the quality dashboard with trend lines and regression alarms. - Define the QA gate content analysts apply to remediated content. - Run the suite before every pilot change in weeks 7–9 and report misses with root cause — content, chunking, ranking, or permissions — to the right owner. - Write the evaluation runbook and train client stewards and platform owners to add questions, re-run the suite, and interpret regressions. REQUIRED SKILLS & EXPERIENCE - 3+ years in software quality engineering or test automation with Python, including building test harnesses that run in CI on a schedule. - Hands-on evaluation of a search or RAG system in production — writing ground truth sets, scoring relevance and grounding, and tracking drift over time. - Experience designing security-focused negative tests — authorization, entitlement, data exposure — and reporting them at the severity a client security team expects. - Ability to work in AWS — invoking Bedrock and OpenSearch APIs, reading CloudWatch, deploying a scheduled job with infrastructure code. - Clear written reporting; the suite’s output is read by client stewards, not only engineers. PREFERRED QUALIFICATIONS - AWS Certified AI Practitioner or Machine Learning Engineer Associate. - Experience with RAG evaluation libraries and LLM-as-judge scoring with human calibration. - Contact center or knowledge management domain exposure. - Familiarity with SOC 2 or ISO 27001 evidence practices. When you join Solvd, you'll… - Shape real-world AI-driven projects across key industries, working with clients from startup innovation to enterprise transformation. - Be part of a global team with equal opportunities for collaboration across continents and cultures. - Thrive in an inclusive environment that prioritizes continuous learning, innovation, and ethical AI standards. Ready to make an impact? If you're excited to build things that matter, champion responsible AI, and grow with some of the industry’s sharpest minds. Apply today and let’s innovate together. Solvd is an equal opportunity employer.

Location: Москва Дивизион Исследования и аналитика — дивизион внутри Блока «Люди и культура» Сбера, который занимается созданием AI-решений и агентных систем, а также их внедрением в HR-процессы банка. Сейчас мы ищем в команду python-разработчика на проекты по внедрению AI-агентов в HR-процессы Сбера (подбор, оценка и развитие компетенций сотрудников и т.д.). Первый этап отбора на эту вакансию — общение с AI- рекрутером. После отклика вам на почту придёт приглашение пройти первичное интервью с ГиаРекрутером. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГиаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным! Обязанности * анализ прототипов AI-агентов от Data Scientist'ов * оптимизация инференса моделей, LLM и RAG-пайплайнов * доведение решений до production-ready кода (тесты, типизация, логирование) * интеграция агентов с корпоративными API и базами данных (PostgreSQL, OpenSearch), Kafka. Требования * опыт разработки на Python от 2 лет, умение писать чистый, тестируемый код * практический опыт доведения прототипов AI-агентов до продакшена * знакомство с агентными фреймворками и архитектурами (LangGraph, LlamaIndex и др.) * опыт разработки RAG-систем, работы с реляционными и векторными базами данных * опыт работы с параллелизмом и асинхронностью * английский язык на уровне B1 (Intermediate). Будет плюсом: * опыт работы с Kafka, Elastic/OpenSearch, FastAPI, Docker * высшее техническое или физико-математическое образование * навыки работы с генеративными AI-моделями * опыт создания AI-агентов и использования их в работе * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов. Условия * гибридный формат работы. 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.

• Разработка и поддержка веб‑приложений на Python и React. • Проектирование и внедрение AI‑функций: интеграции LLM, RAG‑пайплайны, AI‑ассистенты и поиск по базе знаний.

Задачи: — Проектировать, разрабатывать и развивать Python-сервисы и решения на базе LLM. — Интегрировать языковые модели через API или локально, подключать инструменты и внешние сервисы. — Разрабатывать и поддерживать REST API, HTTP-интеграции и работу с базами данных. — Использовать coding-агентов для реализации задач, отладки, рефакторинга и тестирования. — Проверять сгенерированный код: анализировать изменения, результаты тестов, ошибки и фактическое поведение системы. — Обеспечивать надежность и наблюдаемость сервисов, продумывать обработку ошибок и восстановление после сбоев. Требования: — Опыт коммерческой разработки на Python от 3 лет, умение самостоятельно проектировать и реализовывать production-сервисы или значимые компоненты системы. — Уверенное владение Python: структуры данных, ООП, типизация, исключения, работа с зависимостями и понимание среды исполнения. — Практический опыт с asyncio, async/await, конкурентным выполнением задач, включая ограничение параллелизма, таймауты, отмену операций и обработку ошибок. — Опыт разработки сервисов на FastAPI или аналогичных фреймворках, проектирования REST API и HTTP-интеграций. — Уверенная работа с SQL и реляционными базами данных, желательно PostgreSQL: транзакции, индексы, оптимизация запросов. — Опыт работы с Docker, Linux и Git. — Опыт автоматизированного тестирования, включая асинхронный код и внешние интеграции. — Понимание принципов надежности систем: повторные попытки, идемпотентность, конкурентный доступ, восстановление после сбоев и наблюдаемость. — Опыт разработки LLM-решений: агенты с инструментами, RAG, многошаговые workflow или обработка документов. — Опыт интеграции моделей через API или локально. — Понимание контекста, токенов, structured output, tool calling и ограничений LLM. — Ежедневный опыт разработки с помощью coding-агентов: постановка и декомпозиция задач, управление контекстом, отладка, рефакторинг и тестирование. — Умение проверять AI-сгенерированный код: анализировать diff, тесты, ошибки и фактическое поведение системы. — Способность объяснить архитектуру решений, личный вклад, принятые компромиссы и подход к контролю качества, включая работу с coding-агентами. Условия: — 100% удалённая работа. — Конкурентная заработная плата. — Отлаженные процессы и отсутствие бюрократии. — Помощь в обустройстве рабочего места. — Забота о здоровье и компенсация спорта. — Обучающие мероприятия, участие в конференциях и возможности для профессионального роста. — Долгосрочное сотрудничество.

Задачи: — Генерировать идеи применения AI. — Изучать процессы и потребности руководителей и коммерческих команд, строить карту AI-возможностей по трем целям: эффективность процессов, эффективность управления и новые источники дохода. — Вести продуктовый AI-бэклог. — Формулировать проверяемые гипотезы с базовыми и целевыми метриками, предварительной экономикой, владельцем результата и приоритетом. — Управлять единым портфелем AI-инициатив. — Планировать и запускать инициативы, формировать продуктовую постановку, бизнес-кейс, план проверки эффекта, критерии пилота, roadmap, сроки и зависимости между командами. — Организовывать необходимые ресурсы совместно с IT, Data и информационной безопасностью, обеспечивать готовность данных, интеграций, инфраструктуры и участников. — Сопровождать разработку и внедрение, быть ответственным за продуктовый результат, синхронизировать команды, контролировать качество, снимать блокеры, принимать решения о готовности к использованию. — Проводить пилоты и эксперименты, измерять экономию времени, рост производительности или дополнительный доход относительно базового уровня. — Обеспечивать обучение, adoption и переход в регулярную работу. — Управлять ландшафтом работающих AI-решений, измерять качество, использование, стоимость владения и фактический вклад в три бизнес-цели. — Инициировать улучшения, масштабирование или вывод неэффективных решений. Требования: — Продуктовое мышление и ownership: опыт ведения цифрового продукта от discovery до внедрения, способность выбирать метрики, расставлять приоритеты и защищать продуктовые решения. — Подтвержденный опыт AI: не только демо, но и пилоты или внедрения с реальными пользователями, оценкой качества и понятными результатами. — Технологическая грамотность: понимание LLM/GenAI, RAG, AI-агентов, API, источников данных, интеграций, ограничений моделей, оценки качества и подходов к информационной безопасности. — Hands-on подход: умение самостоятельно собрать быстрый прототип с помощью промптов, low-code/no-code, API или скриптов, не ожидая большой команды, при этом понимать, когда необходима промышленная разработка. — Ориентация на измеримый эффект: умение отдельно считать экономию времени и затрат, повышение производительности руководителей и инкрементальные деньги от AI; оценивать ROI, стоимость владения и альтернативу без AI. — Лидерство без формальных полномочий: умение договариваться с бизнесом, IT, Data и ИБ, снимать сопротивление и доводить изменения до устойчивого использования. Будет преимуществом: — Опыт в e-commerce, B2B, закупках, работе с поставщиками, ассортименте или крупных корпоративных процессах. — Опыт запуска AI-продуктового направления или процессов приоритизации и масштабирования с нуля. — Практика работы с корпоративными данными, AI-evaluation, мониторингом моделей и промышленной эксплуатацией AI-решений. Условия: — Работа в крупнейшей e-commerce компании, лидере рынка DIY. — Расширенный ДМС со стоматологией. — Компенсация спортивных абонементов. — Обучение в корпоративном университете: программа MBA, внешние тренеры международного уровня. — Обмен опытом с лидирующими мировыми компаниями, обучение у лучших экспертов. — Performance review, оценка 360 и индивидуальные планы развития у каждого в компании.

Location: Москва Наш продукт — это ИИ-помощник, который разработан для помощи сейлзам и трейдерам, снимая с них часть рутинных задач и процессов. Обязанности ### Чем предстоит заниматься: * развивать промпты агентов: системные и ролевые промпты, few-shot, схемы рассуждения, tool calling, извлечение структурированных знаний из документов * строить пайплайны эволюции промптов: версионирование, оффлайн-оценка (golden set, side-by-side, LLM-as-judge), итерации по ошибкам * решать задачи классификации и маршрутизации документов: разделение входного пакета по классам, подготовка релевантного контекста для агента * работать с RAG и эмбеддингами: chunking, выбор и тюнинг эмбеддингов, retrieval / rerank, оценка качества поиска * опромышливание проекта, ведение релизного цикла от прототипирования до вывода в прод * наблюдаемость. Langfuse, Phoenix, отладка по логам и трейсам, сбор метрик * тестирование агентов по обе стороны нестабильности: детерминированные проверки логики (мокирование LLM и внешних сервисов, снапшоты промптов, контракты схем) и оценка качества ответа агента (эталонные кейсы, LLM as Judge). Требования ### Мы ожидаем, что вы: * имеете опыт продакшн на Python 3.11+ от 5 лет: ООП, SOLID, async, типизация, Pydantic v2, структура сервиса. Умение читать, писать и менять чужой код * имеете опыт FastAPI и интеграций по HTTP: контракты, таймауты, ретраи, ошибки внешних сервисов * высшее техническое образование * прикладной опыт с LLM: имеете опыт промпт инжиниринга, работы с контекстом, tool calling, structured output * работали с агентными сценариями: Опыт с ReAct, LangChain, LangGraph. Работали с состояниями диалога, чекпонитами, ветвлением, вызовом инструментов, HITL, памятью сессии * имеете опыт разработки AI агентов, мультиагентных систем, RAG систем. Протокол A2A или межагентское взаимодействие по контракту * имеете опыт работы с Jenkins, OpenShift/DropApp, OpenSearch/Elasticsearch, S3. ### Бкдет плюсом: * опыт работы с GigaChat. Условия ### Что мы предлагаем: * комфортный современный офис на Вавилова, 19 * формат работы – гибрид * 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: Москва Мы создаем сервисы кредитования в Сбербанке, позволяющие клиентам быстро и удобно получать кредиты онлайн. Клиент может подать заявку на получение кредита через мобильное приложение или WEB, получить одобрение всего за две минуты и мгновенно перевести средства на свою банковскую карту или счет, без необходимости посещать отделение банка лично. Наш проект постоянно развивается. Мы планируем улучшать клиентский опыт и развивать наши сервисы внедряя механики динамического ценообразования. Работа в нашей команде позволит вам принять участие во всех этапах разработки высоконагруженных распределённых систем, начиная от проектирования и заканчивая внедрением в промышленную эксплуатацию. Вы сможете активно влиять на создание новых продуктов и улучшение существующих бизнес-процессов, применяя современные технологии и подходы. Возможность углублять знания и улучшать навыки в области современного программирования и управления проектами. Комфортные условия труда - современное оборудование и стабильность занятости в одной из крупнейших финансовых организаций страны. Присоединяйтесь к нашей команде и станьте частью инновационного процесса, создающего удобные решения для миллионов пользователей по всей России!  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 * руководство командой DS (продуктовый и исследовательский треки) плюс собственная инженерная работа — от архитектуры ML/AI-решений до инструментов для fine-tuning LLM * управление командой DS: постановка и декомпозиция задач, приоритизация, контроль качества * менторство, код-ревью, стандарты разработки и исследований; участие в найме * архитектура ML/AI-решений, обоснование выбора методов и моделей * разработка инструментов fine-tuning LLM (LoRA/QLoRA): подготовка датасетов, пайплайны обучения, оценка качества * разработка и валидация ML-моделей, feature engineering, вывод в production * исследовательские гипотезы, дизайн экспериментов, статистическая оценка, прототипы новых подходов * предложения по решению бизнес-задач аналитическими методами, консультирование заказчика, презентация результатов. Требования * одинаково уверенная работа как исследователь/моделист и как инженер, доводящий AI-решения до работающего продукта * алгоритмы и структуры данных на уровне понимания внутреннего устройства, а не вызова библиотек: базовые (сортировки, поиск, деревья, графы, динамическое программирование, оценка сложности), классический ML (линейные модели, градиентный бустинг, SVM, кластеризация), DL (обратное распространение, оптимизаторы SGD/Adam, механизмы внимания, трансформеры), LLM-инженерия (токенизация BPE, LoRA/QLoRA, ANN-поиск) * умение разобрать алгоритм по статье и реализовать в коде * готовность самостоятельно разрабатывать скиллы и тулы для LoRA/QLoRA-адаптации LLM * Data Scientist / ML-инженер — от 4–5 лет * техническое лидерство или менторство — от 1–2 лет * вывод моделей в production и их сопровождение; исследовательская работа * Python (scikit-learn, pandas, numpy, PyTorch), SQL/PostgreSQL * классический ML, валидация моделей, статистика, математическое моделирование * NLP/LLM: трансформеры, Hugging Face Transformers, LLM API, LangChain; промпт-инжиниринг, RAG * практический опыт обучения нейронных сетей: трансформеры + минимум 2–3 типа архитектур (CNN, RNN/LSTM, VAE, RL-агенты) * MLOps: ML-пайплайны, Docker, FastAPI, Git, воспроизводимость экспериментов * готовность проводить код-ревью и давать развивающую обратную связь * способность понятно объяснять технические решения нетехнической аудитории * постановка задач команде, оценка трудоёмкости; готовность развивать управленческие навыки в процессе. Будет плюсом: * XAI, большие данные (PySpark, Hive, HDFS), банковская / финансовая сфера * опыт построения модели, давшей измеримый бизнес-эффект (метрики, выручка, экономия ресурсов) * участие в соревнованиях Kaggle или аналогичных. Условия * гибридный формат работы (4 дня офис) на Кутузовском, 32к1 * ежегодный пересмотр зарплаты, квартальная и годовая премия * 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: Москва Мы ищем сильного бизнес-аналитика/аналитика AI-помощника. Наш продукт — это ИИ-помощник, который разработан для помощи сейлзам и трейдерам, снимая с них часть рутинных задач и процессов. Наш будущий коллега должен обладать высокой степенью автономности и способностью выстраивать коммуникацию там, где она не выстроена. Обязанности ### Чем предстоит заниматься: * **написанием требований:** писать исчерпывающие, непротиворечивые и грамотные бизнес-требования (BRD), функциональные требования (FR) и нефункциональные требования (NFR), а так же спецификации для сложных интеграционных решений * **визуализацией:** построение BPMN, UML, ERD, Use Case диаграмм, визуализация «As Is» и «To Be» процессов и объяснение сложной логики работы ИИ-модели на схеме * **Spec Driven Development (SDD):** работа в парадигме SDD. Формирование спецификаций, которые будут единственным источником правды для разработки и тестирования (включая написание спецификаций для генерации кода/тестов) * р**аботой с данными:** анализ разнородной информации (логи, выгрузки из CRM/BI, транскрибации звонков, регламенты). Структурирование хаоса и выявление паттернов. Требования ### Мы ожидаем, что вы: * опыт работы в роли Senior/Lead Бизнес-аналитика не менее 3-х лет * понимаете REST API, форматы данных (JSON, XML), SQL (на уровне написания запросов для проверки данных * имеете высшее техническое или экономическое образование (желательно: Прикладная математика, ИТ, Финансы) * **понимаете жизненный цикл ML:** имеете четкое понимание того, как работает модель (не «магия»), что такое обучение, инференс, дрейф данных * **работали с «Тестовой корзиной»:** пониманиете принципы формирования датасетов для валидации. Умеете формировать требования к «золотому стандарту» (Golden Set) и метрикам качества (Precision, Recall, галлюцинации) * **prompt engineering & RAG:** понимаете основы промпт-инжиниринга и архитектуры RAG (Retrieval-Augmented Generation). Умеете описывать требования к контексту, который подается в модель * **оценивали качество (Evaluation):** имеете опыт описания методик оценки ответов ИИ (экспертная оценка, автоматизированные метрики). Условия ### Что мы предлагаем: * комфортный современный офис на Вавилова, 19 * формат работы – гибрид * 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.

Задачи: — Развивать облачный голосовой конвейер с задержкой 1–2 секунды по p50 и p90, управлять barge-in, потоковой передачей токенов в TTS, таймаутами и переключением между провайдерами. — Настраивать определение конца фразы с учётом долгих детских пауз. — Создать стенд автоматической оценки детской речи и каскад безопасности с обновлением правил без выпуска прошивки. — Строить ответы на проверенном контенте с помощью RAG, шаблонов и tool calling. — Настроить трассировку, расчёт стоимости сессии и zero retention у провайдеров. Требования: — Опыт от 4 лет в ML/LLM, включая не менее 1,5 года работы с голосовыми агентами в продакшене. — Опыт с потоковыми каскадами, barge-in и fallback, Pipecat, LiveKit Agents или аналогами. — Умение оптимизировать задержку по перцентилям и работать с WER, TTFT и юнит-экономикой STT/TTS. — Опыт с guardrails и классификацией безопасности для чувствительной аудитории. — Знание Python, async, WebSocket/WebRTC, Docker, облачных платформ. — Английский язык на уровне не ниже B2. Плюсом будет: — Опыт работы с детскими или edtech-продуктами. — Знание COPPA, PRIVO и kidSAFE. — Работа с детской или акцентной речью и арабским языком в STT/TTS. — Опыт с AEC, аудиостримингом с Linux-устройств и speech-to-speech.

Location: Москва Наш продукт — это ИИ-помощник, который разработан для помощи сейлзам и трейдерам, снимая с них часть рутинных задач и процессов. Обязанности * тестирование качества ответов AI-навыков: релевантность, полнота, корректность, отсутствие галлюцинаций и «уверенных, но неверных» ответов * формирование и поддержка эталонных датасетов (golden set) для регрессионной оценки LLM-ответов и промптов * тестирование промптов, RAG-конвейеров и маршрутизации оркестратора — правильный ли агент/навык выбирается под запрос, полные ли источники подтягиваются * оценка недетерминированного поведения: прогон запросов N раз, статистические метрики стабильности и качества, выявление регрессов качества между версиями моделей/промптов * разработка, ревью и поддержка тест-кейсов, чек-листов, тест-планов * взаимодействие с разработчиками, аналитиками, DS/ML-инженерами и PO для уточнения требований * ведение баг-трекинга в Jira, документирование в Confluence. Требования * опыт в роли QA от 3 лет * опыт функционального и сквозного (E2E) тестирования * опыт тестирования API и интеграций: REST/gRPC, форматы запросов/ответов, работа с моками внешних сервисов * умение составлять и проверять тест-кейсы в Zephyr, анализировать покрытие * понимание принципов работы LLM и GenAI: промпты, RAG, температура/вариативность, ограничения моделей, типовые режимы отказа (галлюцинации, потеря контекста, неверная интерпретация запроса) * опыт оценки качества AI-ответов: эталонные наборы, ручная и полуавтоматическая разметка, метрики точности/полноты/faithfulness/relevancy * навыки написания скриптов на Python для прогона батчей запросов, сбора и сравнения результатов. ### Будет плюсом: * опыт в финтехе / банковской сфере * опыт тестирования AI/ML-продуктов: чат-боты, ассистенты, рекомендательные системы * знание инструментов оценки LLM: LangSmith, DeepEval, Arize, RAGAS или аналоги * базовые знания автоматизации тестирования (Java, Python). * опыт работы с системами мониторинга (Grafana), включая мониторинг качества AI-ответов * понимание требований комплаенса и работы с чувствительными данными. Условия * комфортный современный офис на Вавилова, 19 * формат работы – гибрид * 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.

Задачи: — Анализировать текущие бизнес-процессы компании, выявлять сценарии применения ИИ, фиксировать as-is и формировать to-be. — Собирать и формализовать требования заказчиков к AI-продуктам, корпоративным ИИ-ассистентам и интеллектуальной автоматизации. — Прорабатывать пользовательские сценарии взаимодействия с ИИ: корпоративный чат, поиск по внутренней базе знаний, анализ документов, обработка обращений, транскрибация и суммаризация. — Формировать функциональные и системные требования к решениям на базе LLM, включая логику обработки запросов, контекст, ограничения и ожидаемые результаты. — Проектировать интеграции AI-сервисов с корпоративными системами: 1С, CRM, ERP, документооборотом, базами знаний и внутренними API. — Описывать требования к подготовке и обработке данных, работе с документами, разграничению доступа и актуализации информации. — Совместно с разработчиками и ML-инженерами прорабатывать архитектуру решений, включая RAG, векторный поиск, взаимодействие с LLM через API. — Готовить модели данных, BPMN/UML-схемы, API-спецификации, user stories, use cases и технические постановки для разработки. — Формировать критерии приемки и метрики качества AI-решений: точность, полнота, релевантность ответов, скорость обработки, доля успешных сценариев. — Участвовать в тестировании AI-функциональности, анализировать ошибки, некорректные ответы и отклонения от ожидаемого поведения. — Оценивать эффективность внедрения ИИ: сокращение трудозатрат, автоматизация операций, повышение скорости и качества выполнения процессов. — Поддерживать проектную и техническую документацию в Confluence в актуальном состоянии. Требования: — Опыт работы системным или бизнес-аналитиком от 3 лет, желательно участие в проектах автоматизации, AI/ML или разработки цифровых продуктов. — Понимание принципов работы LLM и основных сценариев применения генеративного ИИ в бизнес-процессах. — Опыт сбора, анализа и формализации функциональных и нефункциональных требований. — Понимание REST API, JSON, OpenAPI/Swagger, принципов синхронного и асинхронного взаимодействия сервисов. — SQL на уровне самостоятельных выборок, анализа и проверки данных. — Владение BPMN, UML, навыки построения моделей процессов и системных взаимодействий. — Опыт подготовки технических заданий, user stories, use cases и критериев приемки. — Понимание принципов интеграции корпоративных информационных систем и работы с базами данных. — Опыт работы с Jira, Confluence, Postman. — Умение взаимодействовать с бизнес-заказчиками, разработчиками, архитекторами и командами тестирования. Условия: — Удалённый формат работы; — Оформление в Аккредитованную ИТ компанию; — График работы 5\2, с 9:00 до 18:00 по МСК; — Размер заработной платы обсуждается индивидуально; — Официальное трудоустройство, согласно ТК РФ; — Интересные задачи, корпоративное обучение в рамках должности; — Работа в крупной развивающейся компании.

Задачи: — Проводить code review решений коллег и изменений, сделанных ИИ-агентами, объяснять замечания и показывать, как сделать лучше. — Вводить в работу новых участников команды, включая стек, архитектуру проектов, принятые практики и приемы работы с ИИ-агентами. — Быть наставником для коллег, в том числе нетехнических, консультировать по архитектуре и коду, разбирать их решения и готовить примеры. — Выбирать стек, библиотеки и веб-фреймворки для Python и JavaScript с учетом требований, нагрузки, масштабирования и удобства сопровождения. — Проектировать frontend и backend: REST API, модели данных, аутентификацию и авторизацию, интеграции. — Декомпозировать задачи для ИИ-агентов, задавать технический контекст и критерии готовности, проверять изменения в Git. — Вести debugging и рефакторинг, организовывать unit-, интеграционные и end-to-end тесты. — Создавать переиспользуемые компоненты, шаблоны приложений и API-интеграции для разных компаний. Требования: — Желание регулярно заниматься code review, онбордингом и наставничеством. — Умение объяснять технические решения простым языком, в том числе коллегам без опыта разработки. — Готовность работать в офисе в Москве (м. Курская) минимум 4 дня в неделю. — Базовое понимание ИИ, включая общее представление о работе LLM, промптах, контекстном окне, ошибках моделей и их проверке. — Опыт использования ИИ-инструментов в работе, таких как чат-ассистенты, ассистенты в IDE или coding agents. — Опыт fullstack-разработки и запуска веб-приложений в production. — Уверенное владение Python и JavaScript, опыт разработки backend и frontend. — Знание HTML/CSS, веб-фреймворков и клиент-серверной архитектуры. — Практические навыки REST API, HTTP, SQL, Git, Docker и автоматизированного тестирования. — Понимание проектирования API и баз данных, прав доступа, обработки ошибок и логирования. — Умение проводить рефакторинг, разбирать зависимости и находить причины ошибок. Дополнительные преимущества: — Опыт в роли техлида, тимлида или ментора. — Углубленное знание LLM (embeddings, RAG) и опыт настройки coding agents. — Знание архитектуры корпоративных ИТ-систем и интеграций. — Знание .NET. Условия: — Работа в офисе в Москве, м. Курская, минимум 4 дня в неделю. — Реальные задачи разных бизнесов, участие в выборе технологий, роль наставника в команде и совместная работа с аналитиками, преподавателем и специалистами по инфраструктуре. Для отклика необходимо прислать резюме, при наличии портфолио или ссылок на проекты добавить их к отклику, а также в сопроводительном письме ответить на вопросы о опыте code review, онбординга или наставничества, используемых ИИ-инструментах и готовности работать в офисе.