Senior AI Engineer (LLM, ML)

FutureFit AI — платформа на базе ИИ для развития рабочей силы, помогающая людям быстрее и дешевле находить лучшую работу. Компания решает проблему экономического неравенства, обеспечивая инклюзивность в будущем мире труда.

Задачи

• Разработка LLM-продуктов: проектирование, создание и выпуск готовых продуктов на основе LLM, включая разговорный коучинг, агентные рабочие процессы для выполнения многошаговых задач, а также слои использования инструментов и оркестрации.
• Коучинг и карьерные пути на основе доказательств: создание продуктов, которые направляют соискателя к следующему лучшему шагу, и анализ, обосновывающий эти рекомендации (наблюдаемые карьерные переходы, причинное влияние на заработную плату и пожизненный доход, честная оценка возможностей данных).
• Оценка и качество: владение методами оценки качества ИИ, создание оценочных стендов, офлайн- и онлайн-измерение качества, отслеживание регрессий и проверка с участием человека.
• Прикладное ML за пределами LLM: построение прогнозных, классификационных и ранжирующих моделей, когда это подходит для продукта.
• Инженерия данных для ИИ: подготовка, разметка, управление и поддержка конвейеров и источников знаний, от которых зависят ИИ-системы.
• Интеграционная инженерия: безопасное подключение ИИ-систем к внутренним инструментам, базам данных, SaaS-продуктам, системам управления делами и корпоративным рабочим процессам с учетом требований аутентификации, ограничений и обработки сбоев.

Требования

• Сильный опыт в прикладной ML/AI инженерии (примерно 5+ лет) с подтвержденным треком выпуска систем в реальные продукты, используемые людьми.
• Подтвержденный опыт работы с LLM-продуктами: создание и выпуск в продакшн функций на основе LLM (не прототипов), включая промпт-инжиниринг, агентные рабочие процессы, использование инструментов и вызов функций, поиск и оркестрацию.
• Реальная дисциплина оценки: умение измерять работу LLM-систем, создание оценок, определение метрик качества для открытых ответов, выявление регрессий до пользователей и конкретные примеры сбоев и их обнаружения.
• Глубокие знания классического ML: прочная основа в машинном обучении.