AI-инженер (LLM, fullstack)
Компания: Аксис Кор Тех Локация: Минск Формат работы: гибрид (в описании также указана возможность полностью удалённой работы) Занятость: полная, график 5/2, 8 рабочих часов Опыт работы: 3–6 лет (в требованиях — 5+ лет в разработке ПО) Зарплата: по договорённости
Мы создаём функцию AI-трансформации с нуля и ищем AI-инженера, который станет техническим двигателем этого направления — практика, который доводит AI-сценарии от проверенной идеи до продакшена end-to-end.
Это роль про создание. Вы тесно работаете с Head of AI Transformation, который отвечает за поиск и приоритизацию сценариев. Вы отвечаете за всё остальное: продуктовую архитектуру, инфраструктуру для каждого сценария, оценку сроков и саму разработку. Вы проектируете, создаёте, интегрируете, выпускаете и сопровождаете решение.
Вы будете работать вместе с инженерными командами, которые владеют продуктами, и партнёрить с ними по интеграции в живые системы. Ожидается, что вы — сильнейший AI-разработчик в комнате.
Что вы будете делать
- Брать приоритизированные AI-сценарии от proof-of-concept до продакшена и владеть полным жизненным циклом. Области: поддержка клиентов, поддержка продаж, комплаенс и KYC-процессы, маркетинговый контент, внутренние операции, аналитические ассистенты.
- Проектировать и создавать LLM-приложения и агентов для этих сценариев — RAG-пайплайны, агентные workflow, вызов инструментов и функций, структурированные выходы, мультиагентная оркестрация — поверх API передовых моделей (Anthropic Claude, OpenAI и других).
- Создавать fullstack-обвязку вокруг AI: бэкенд-сервисы, API и фронтенд-интерфейсы, с которыми реально работают пользователи.
- Отвечать за деплой и эксплуатацию. Разворачивать в выбранном облачном провайдере, мониторить и поддерживать работоспособность.
- Интегрировать AI в системы, где идёт работа: CRM, тикетинговые и support-платформы, коммуникационные инструменты, внутренние базы данных, back-office системы, смежные с трейдингом.
- Создавать evaluation-харнессы и определять метрики качества для каждого сценария. Прогонять evals до и после изменений. Инструментировать решения так, чтобы бизнес-эффект подтверждался доказательствами.
- Помогать определять стандарты AI-безопасности, обработки данных и guardrails на уровне компании, а не только проекта, и строить в соответствии с ними. Работать с чувствительными клиентскими и финансовыми данными, рисками prompt-injection и утечки данных, проектировать с учётом трассируемости, чтобы действия и выходы AI можно было логировать, аудировать и объяснять в регулируемой финансовой среде.
- Тесно работать с Head of AI Transformation по продуктовой архитектуре, инфраструктуре и оценкам на этапе анализа сценариев: что можно построить сейчас, что хрупко, каковы реальные стоимость и сроки.
Что мы ищем
- Подтверждённый опыт вывода AI-сценариев в продакшен — не демо, не ноутбуки. Вы можете рассказать о 2–3 реальных внедрениях: бизнес-задача, что построили, что сломалось и какой был эффект.
- 5+ лет опыта в разработке ПО, из них 2+ года — создание приложений на основе LLM.
- Сильная fullstack-разработка: бэкенд-сервисы и API, плюс достаточный фронтенд, чтобы выпустить рабочий интерфейс.
- Компетенции DevOps: CI/CD, контейнеры, деплой в крупного облачного провайдера (AWS, GCP или Azure). Вы сами разворачиваете и эксплуатируете то, что создаёте.
- Глубокое рабочее знание современного стека LLM-приложений: prompt engineering, RAG, мультиагентная/субагентная оркестрация, вызов инструментов и функций, evaluation-харнессы.
- Сильные общие инженерные основы: API, бэкенд-сервисы, работа с данными, деплой, мониторинг. Языки и фреймворки не важны — важно понимание ключевых компонентов и прагматичный выбор.
- Продемонстрированное владение режимами отказа агентной разработки — управление контекстом и окном, правдоподобно-неверный вывод модели, потеря состояния между сессиями, тихое расхождение с планом — и инженерные практики, которые обнаруживают и сдерживают каждый из них.
- Опыт интеграции AI в существующие бизнес-системы и workflow, а не только в отдельные приложения.
- Способность работать автономно с высокой степенью ответственности: неоднозначный вход — работающий софт на выходе.
- Сильная коммуникация на английском — вы будете объяснять технические компромиссы нетехническим стейкхолдерам.
Будет плюсом
- Опыт работы с data pipeline — ETL/ELT, оркестрация, работа с хранилищем или lakehouse.
- Опыт в финтехе, брокеридже, банкинге или другой регулируемой отрасли.
- Опыт с voice AI, мультиязычными приложениями или клиентскими чат-ботами в масштабе.
Чем эта роль не является
- Не исследовательская роль — мы применяем передовые модели, а не обучаем их.
- Не ML/data-science роль — обучение моделей и классический ML не входят в основные задачи.
- Не роль поддержки — вы будете большую часть времени создавать новое.
Почему стоит присоединиться
- AI-трансформация с нуля — вы создаёте функцию, а не поддерживаете чужую.
- Путь к лидерству. Это первый AI-инженер в команде. По мере роста функции правильный человек сможет стать лидом и архитектором AI-отдела.
- Реальная автономия: короткие цепочки решений, нет унаследованной AI-инфраструктуры. Возможна полностью удалённая работа с гибкостью по локации и рабочему формату.
- Портфель разнообразных сценариев в поддержке, комплаенсе, маркетинге и операциях — вы не застрянете на одном продукте.