Мы ищем Senior AI Engineer, который поможет нам быстрее масштабироваться: вы будете проектировать и запускать в продакшене AI-сервисы — ассистентов на базе RAG, MCP-серверы, AI-агентов — и создавать умные автоматизации для наших команд. Вы будете выбирать подходящий инструмент для каждой задачи, от сервисов на Python до low-code платформ вроде n8n, и разрабатывать решения, которые экономят время и повышают эффективность. Это практическая senior-роль: вы будете отвечать за решения от начала до конца — от формулировки бизнес-задачи и выбора архитектуры до разработки, интеграции, безопасного вывода в продакшен и эксплуатации. Эта роль в такой же мере связана с инженерным мышлением — решать, что строить, зачем и с какими компромиссами, — как и с самой разработкой. Это полностью удалённая роль, мы нанимаем сотрудников по всему ЕС, предпочтение отдаём кандидатам, работающим в часовых поясах CET (±3 часа).
- Вести обсуждения бизнес-задач и предлагать решения на основе LLM, AI-агентов, собственных сервисов или low-code инструментов — в зависимости от того, что подходит лучше.
- Принимать и документировать решения по архитектуре и инструментам: код или low-code, разработка или покупка, выбор модели — с явным учётом компромиссов по стоимости, задержке, безопасности и поддерживаемости.
- Проектировать, разрабатывать и эксплуатировать продакшен-сервисы на Python, включая наш ассистент с привязкой к источникам (retrieval-grounded) на основе RAG, базой данных, авторизацией и CI.
- Создавать и настраивать RAG-пайплайны: эмбеддинги, векторный поиск и оценка качества извлечения данных.
- Проектировать, разрабатывать и поддерживать MCP-серверы (Model Context Protocol), которые подключают внутренние инструменты, источники данных и API к LLM и AI-агентам.
- Проектировать, настраивать и поддерживать AI-агентов для внутренних проектов, включая вызов инструментов (tool-calling), оркестрацию и многошаговые агентные рабочие процессы.
- Создавать и поддерживать автоматизации в n8n.
- Проектировать, тестировать и оптимизировать промпты и многошаговые цепочки промптов, включая систематическую оценку (evals) качества промптов и пайплайнов.
- Оптимизировать стоимость и производительность AI-нагрузок: кеширование, профилирование задержек, выбор подходящей модели под каждую задачу, планирование бюджета токенов, базовое нагрузочное тестирование.
- Использовать AI-агентов для написания кода как основной инструмент реализации: разбивать задачи на чётко сформулированные подзадачи, проверять и валидировать сгенерированный код, а также поддерживать высокую планку по тестам, безопасности и поддерживаемости.
- Интегрировать внешние и внутренние сервисы через REST API, вебхуки и потоки OAuth.
- Создавать внутренние MVP-инструменты на основе генеративных моделей для проверки бизнес-гипотез.
- Исследовать, оценивать и внедрять новые инструменты автоматизации и AI; запускать пилотные проекты с генеративными моделями.
- Вести структурированную библиотеку промптов и рабочих процессов и документировать решения для удобства поддержки и передачи.
- Применять надёжные практики работы с данными и безопасности при работе с внутренними системами, данными клиентов и учётными данными.
- Взаимодействовать с разными командами, чтобы понимать потребности и предоставлять значимые и надёжные решения.
Пример проекта: создание хаба обратной связи, который собирает и обрабатывает отзывы пользователей из нескольких источников (CRM, опросы, форумы, записи звонков) в единую панель.