AI Solutions Engineer / LLM-инженер, агентные воркфлоу

О компании

Sprouter создаёт платформу, на которой компании поручают свою реальную работу командам AI-агентов. Команда агентов подключается к приложениям компании — Gmail, Slack, HubSpot, Google Drive и другим, — запускает рабочие процессы по расписанию и по запросу и доставляет результат туда, где люди уже работают: сводку, отчёт, оповещение. Чувствительные действия проходят через слой согласований, а каждый запуск тарифицируется. Продукт работает с реальными клиентами и меняется каждую неделю.

О роли

Шаблон — это готовая команда агентов, которую клиент устанавливает в несколько кликов. В нём описаны роли и их инструкции, задачи с этапами и критериями успеха, вопросы, которые задаются при настройке, и то, куда доставляются результаты. Клиенты просят больше шаблонов, чем команда успевает сделать сегодня. Создавать их будете вы.

Роль находится на стыке бизнес-аналитика и LLM-инженера. Вы общаетесь с клиентами и превращаете их процесс в шаблон. Затем запускаете его в реальных условиях, разбираете, что на самом деле сделали агенты, и дорабатываете, пока шаблон не начнёт работать стабильно и стоить столько, сколько должен.

Обязанности

• Проводить discovery-звонки с клиентами на английском и превращать запутанный реальный процесс в точный шаблон.
• Собирать шаблоны: роли агентов и их инструкции, задачи, этапы, критерии успеха, доставку результата, вопросы и подсказки для настройки.
• Писать плейбуки — правила, которым следуют агенты. Например, правила клиента по ведению CRM превращаются в чек-лист, который агент-аудитор применяет каждый день.
• Запускать шаблоны на реальных приложениях в dev-среде. Читать трейсы запусков и вердикты грейдеров и исправлять то, что пошло не так, — версия за версией.
• Измерять стоимость и время запуска и то, какие критерии выполняются. Приносить проблемы платформы инженерам с доказательствами, а не впечатлениями.
• Писать для читателя: тексты настройки, описания шаблонов и формат того, что получает клиент.

Основной инструмент — Claude, подключённый к платформе. Писать продакшн-код не нужно, Git тоже не понадобится.

Требования

• Практический опыт работы с LLM дальше чата: многошаговые промпты, агенты с инструментами, структурированный вывод. Опыт отладки агента, который сделал не то, и выяснения причин.
• Умение писать критерии успеха, которые действительно можно проверить, и мыслить через сценарии отказа.
• Опыт в бизнес- или системном анализе, solutions engineering, консалтинге или операционной работе. Опыт превращения размытых требований в спецификацию, по которой потом работал кто-то другой.
• Опыт работы с клиентами: discovery-звонки, демо, управление ожиданиями.
• Понятный письменный английский для нетехнических читателей и разговорный устный английский.
• Уверенное чтение JSON и документации API, понимание подключённых приложений и вызовов инструментов (tool calls).
• Ежедневное использование Claude или похожего ассистента с возможностью показать реальные примеры.

Будет плюсом

• Знание домена продаж, RevOps или CRM (HubSpot, Salesforce), customer success или marketing operations.
• Опыт с evals или LLM-as-a-judge.
• Claude Code, MCP или инструменты автоматизации — n8n, Zapier, Make.
• SQL или базовые скрипты на Python или TypeScript.

Как работает команда

• Небольшая команда в режиме LLM-first: основную часть работы выполняет Claude, а люди ставят задачи, проверяют и подтверждают результат.
• Каждая задача — issue в GitHub, решения фиксируются письменно. Документация плотная, так что в первые недели придётся много читать.
• Dev-среда запускает реальные модели на реальных подключённых приложениях, поэтому каждый запуск стоит реальных денег. Измерения проводятся до выпуска.
• Высокий темп, приоритеты меняются вслед за запросами клиентов.

Условия

• Полностью удалённая работа и гибкий график.
• Прямая работа с основателем и реальная ответственность за своё направление.
• Работающий продукт с реальными клиентами на переднем крае прикладного AI.

Этапы отбора

1. Звонок с основателем, частично на английском.
2. Короткий блок технических вопросов.
3. Возможно, небольшое тестовое задание.