Intellias

Мы создаём фундамент данных, благодаря которому AI становится полезным и безопасным внутри регулируемых финансовых компаний. Ценность AI ограничена теми данными, до которых могут добраться его агенты: если агент не может найти данные, интерпретировать их, отследить их происхождение или получить к ним корректно настроенный доступ, то возможности бесполезны или, что хуже, небезопасны. Ваша задача — закрыть этот разрыв.

Это практическая senior-роль для отличного Python-инженера с сильными навыками data engineering, который действительно уверенно чувствует себя при разработке с использованием AI-агентов. Вы будете проектировать и создавать каталожный, семантический, прав доступа (entitlement) и аналитический слои, которые превращают большие локальные (on-premise) массивы данных в то, чем могут пользоваться агенты.

• Построить на старте фундамент для оценки качества: преобразовать существующий банк вопросов клиента и результаты диагностики в версионируемый автоматизированный набор тестов с подтверждёнными экспертами результатами, установить базовый уровень и использовать исторические записи поддержки как второй набор эталонных данных (ground truth).

• Улучшить существующий RAG-сервис клиента на месте: гибридный поиск с reranking, чанки с учётом структуры, контекстные заметки, ранние фильтры по метаданным, мониторинг надёжности, причём каждое изменение измеряется по набору тестов до релиза.

• Построить пайплайн извлечения метаданных и сущностей на основе управляемой трёхуровневой схемы (универсальная оболочка, версионируемые спецификации для каждой коллекции, открытый уровень обнаружения) со стратифицированным пилотом, проверкой человеком с маршрутизацией по уровню уверенности и дашбордами покрытия.

• Построить плоскость синхронизации поверх контентной платформы клиента (уведомления об изменениях, delta polling, плановые полные проверки), которую совместно используют поиск, извлечение и downstream-представления.

• Построить происхождение документов (lineage) и временные представления: цепочки замещения и изменений, извлекаемые только там, где это указано в тексте, битемпоральное представление действующих условий, производный статус документа и запрашиваемый реестр обязательств, с проверкой человеком для цепочек с высокими ставками.

• Участвовать в создании контролируемого графа знаний и оркестрации запросов: типизированные узлы и рёбра с указанием происхождения и уровня уверенности, маршрутизация между структурированным поиском, фильтрованным поиском и представлениями lineage, явные заявления о полноте и типизированные пробелы, возвращаемые в качестве ответов.

• Эксплуатировать поставленные возможности: релизы, зависящие от результатов оценки, ограничения по актуальности, обеспечиваемые отказом в выдаче устаревших данных, дашборды покрытия и качества, проверки состояния корпуса документов с отчётами владельцам документов.

• 6+ лет промышленной разработки на Python, включая 2+ года инженерной работы с LLM и RAG в продакшене: пайплайны поиска, векторные хранилища, структурированное извлечение и сопутствующие операционные инструменты.

• Серьёзный опыт создания систем оценки (evaluation harnesses): версионируемые наборы тестов на основе реальных банков вопросов, раздельная оценка поиска и ответов, оценка, при которой корректный ответ «не найдено» засчитывается как успешный, и наборы тестов, встроенные в поставку как барьеры релиза (например, Langfuse, RAGAS, DeepEval или аналогичные, а также собственные метрики).

• Инженерия гибридного поиска: сочетание поиска по ключевым словам и семантического поиска, слияние результатов, reranking на основе cross-encoder, настройка относительно измеренных базовых уровней, работа в рамках фиксированной платформой модели эмбеддингов и индекса.

• Обработка документов с учётом структуры: парсинг и разбиение на чанки с учётом разметки, сохраняющие таблицы целыми (например, Docling, Tika или аналогичные), включая обработку OCR для сканированных документов и многоязычного контента.

• Извлечение с помощью LLM в масштабе: извлечение атрибутов, сущностей, положений и связей на основе схемы, с уверенностью по каждому полю, калиброванными порогами и циклом проверки человеком (например, Label Studio или аналогичный); пилот и измерения до масштабирования.

• Серьёзный практический опыт работы с AI-инструментами и агентными рабочими процессами, включая умение определять подходящие сценарии использования и интегрировать возможности AI в повседневные инженерные практики.

• Сильное знание PostgreSQL: типизированное реляционное моделирование плюс JSONB, schema-as-code с инструментами миграции, производные представления, управляемые как тестируемые трансформации.

• Дисциплина в отношении происхождения данных и цитирования: каждый извлечённый факт можно отследить до исходного документа и фрагмента; ответы явно указывают, когда что-то не удалось подтвердить.

• Свободный английский для письменного и устного общения с командами клиента.

• Интеграция с SharePoint и Microsoft Graph API либо с аналогичной корпоративной контентной платформой: уведомления об изменениях, delta polling, метаданные прав доступа.

• Битемпоральное моделирование (даты исполнения и даты вступления в силу, запросы as-of) и моделирование происхождения документов или замещения.

• Графовые движки (например, Apache AGE, Neo4j или аналогичные); контролируемые графы знаний с указанием происхождения для каждого элемента.

• Знание предметной области юридических документов, контрактов или фондовой документации либо подтверждённая способность глубоко изучить предметную область документов.

• Поиск с учётом прав доступа: списки доступа, хранящиеся в индексе, разрешение групп во время запроса, отказ при неопределённости (дизайн прав доступа находится в зоне ответственности параллельного направления работ; эта роль реализует решение в соответствии с ним).

• Инженерия эффективности по токенам: подготовка корпуса, нарезка по разделам, измерение стоимости на запрос.

• Предоставление возможностей платформе-ассистенту в виде MCP tools или skills; ежедневное использование AI-агентов для кодирования.

• Опыт работы в финансовых услугах или в других регулируемых локальных (on-premise) средах; опыт работы с клиентами.

В Intellias, где технологии занимают центральное место, люди всегда важнее процессов. Создавая комфортную атмосферу в команде, мы помогаем людям раскрыть свой потенциал и добиваться выдающихся результатов. Поэтому мы предлагаем ряд льгот, которые поддерживают ваше благополучие и стимулируют ваш профессиональный рост.

Мы стремимся развивать равенство, разнообразие и инклюзивность и являемся работодателем равных возможностей. Все кандидаты будут рассматриваться без дискриминации по признаку расы, цвета кожи, религии, возраста, пола, национальности, инвалидности, сексуальной ориентации, гендерной идентичности или самовыражения, статуса ветерана или любого другого признака, защищённого применимым законодательством.