Forward Deployed Engineer (Python + AI)

О компании FullStack — AI-native инженерный партнёр, который помогает компаниям доводить AI-решения до продакшена. Более 600 клиентов в Северной Америке. Компания предлагает карьерные возможности для талантливых software-профессионалов по всей Америке, строит высококвалифицированные команды разработки для крупных компаний и имеет рейтинг 4.1 на GlassDoor.

О роли Forward Deployed Engineer работает внутри задачи клиента, а не рядом с ней. Вы встраиваетесь в корпоративную команду, находите работу, которая действительно требует AI, проектируете систему, строите её и остаётесь достаточно долго, чтобы она выжила в продакшене. Это тройная роль: консультант, оператор, инженер. Нужно одинаково уверенно проверять бизнес-кейс с COO или VP of Engineering и диагностировать, почему качество retrieval упало после обновления данных. Успешные люди здесь могут провести discovery-разговор в понедельник и отгрузить заскопленное в четверг. Ваше преимущество — данные, retrieval и поведение моделей: вы делаете агентов надёжными за счёт правильной работы с данными, контекстом и оценкой. Мы работаем с регулируемыми отраслями и клиентами из Fortune 500, у которых есть AI-мандаты, реальные ограничения и низкая терпимость к демо, которые не выдерживают проверку.

Как мы подходим к работе FDE доверяют формировать решение, а не только поставлять его. Каждый проект требует архитектурного суждения:

• Переформулирует запрос. Относится к «нам нужен агент для X» как к гипотезе, а не спецификации.
• Декомпозирует проблему. Результат → процесс → решения → данные → системы → акторы → ограничения — до выбора технологии.
• Выбирает вмешательство. Убрать, упростить, традиционное ПО, автоматизация, LLM, RAG, агент или мультиагент — и защищает выбор.
• Владеет архитектурным решением. Документирует компромиссы (ADR), устанавливает метрики успеха, возражает против скоупа, который не принесёт ценности.

Консультативный discovery Клиенты редко приходят со полностью сформированной проблемой, и первый вклад FDE — помочь им увидеть её ясно. Вы ведёте discovery с искренним любопытством, переводите разговор от заявленных требований к глубинным потребностям и строите доверие через глубину понимания, а не широту презентации.

• Выявляет бизнес-драйверы. Какой результат важен, сколько он стоит, почему сейчас и что будет, если ничего не менять.
• Выявляет личные драйверы. За что измеряют каждого стейкхолдера, что его беспокоит и как выглядит победа лично для него.
• Рано выявляет ограничения. Безопасность, комплаенс, доступ к данным, бюджет, навыки, политика, сроки — то, что убивает проекты на втором месяце.
• Согласует стейкхолдеров. Замечает конфликтующие цели между бизнесом, инженерией и рисками и приводит их к общему определению успеха.
• Задаёт стратегические вопросы. После ответа спрашивает «почему», «откуда вы знаете» и «что происходит сегодня, когда...» — без допроса. Клиенты уходят из разговора, понимая свою проблему лучше.
• Зарабатывает авторитет глубиной. Кредит доверия идёт от качества вопросов и инсайтов в обратной связи, а не от презентации технологии.

Что вы будете делать

• Discovery. Проводить воркшопы и discovery процессов с бизнес-, data- и engineering-стейкхолдерами. Честно оценивать готовность данных. Отделять настоящие AI-проблемы от workflow-проблем, переодетых в AI.
• Структурировать процесс и спецификацию. Для любого автоматизируемого бизнес-процесса картировать текущее состояние, точки принятия решений, входные данные и исключения, затем превращать это в спецификации, по которым люди и AI-системы могут надёжно исполнять.
• Архитектура и дизайн. Проектировать агентные системы end-to-end с акцентом на контекст и архитектуру retrieval — источники данных, чанкинг, эмбеддинги, гибридный поиск, реранкинг, retrieval с учётом прав доступа, графы знаний где оправдано — плюс оркестрация, интеграция MCP/инструментов, guardrails и human-in-the-loop чекпоинты.
• Строить. Отгружать рабочие системы — агентов, retrieval-сервисы, инструменты оценки и потоки данных, которые их питают. Прототипы, доказывающие ценность за недели, а не слайды.
• Инженерить систему доставки. Владеть CI/CD для того, что строите, расширенным на AI: версионирование промптов и контекста, eval-наборы, которые запускаются в пайплайне и гейтят релизы.
• Операции (Day 2). Владеть тем, что происходит после запуска — eval-харнессы, метрики groundedness и retrieval, observability и трейсинг, стоимость и задержка.