Senior AI-инженер по агентным платформам

Мы ищем product-minded AI-инженера, который превращает потребности клиентов в агентов, на которых они действительно полагаются. AskWaive, наш встроенный ассистент, уже работает; теперь задача — качество, покрытие и опыт, который впечатляет. Это не роль для автора промптов или создателя демо. Нам нужен владелец: человек, который берёт потребность клиента — уже выраженную через наши слои обслуживания и семантический слой — и превращает её в эндпоинт, инструмент и опыт, который измеримо улучшает работу клиента. Инженерия агентов, развёртывание и тестирование — часть поставки, а не передача. Наша основная платформа данных принадлежит команде, которая её создала. Вы будете строить поверх неё — и там, где данные или инфраструктура сдерживают агента, у вас будет право предложить изменение и продвинуть его.

Что вы будете делать

От потребности клиента к продуктовой суперсиле

• Владеть результатом: начинать с клиента и оставаться с ним, пока агент не начнёт лучше отвечать на его потребности.
• Строить агентов и инструменты: создавать production-агентов и инструменты, которые они вызывают — retrieval, многошаговые рабочие процессы, выполнение действий — на Amazon Bedrock, с Bedrock AgentCore в качестве рантайма и инструментами, предоставляемыми через MCP (Model Context Protocol).
• Превращать слои обслуживания в возможности: наш семантический слой и сервисные API — это то, где потребности клиентов уже выражены. Ваша задача — превратить их в эндпоинты и инструменты, которыми агент может хорошо пользоваться, и знать, к каким метрикам и сущностям он должен обращаться.
• Формировать опыт, а не только эндпоинт: то, как приходит ответ — его скорость, уверенность, объяснение, следующий шаг — это продукт. Технически правильный ответ, который клиент игнорирует, — это провал.

Докажите и сделайте ощутимым

• Измерять обоснованность: строить harness для оценки — размеченные тестовые наборы, показатели обоснованности и галлюцинаций, которые можно выразить числом, и CI-гейты, останавливающие регрессию до релиза.
• Измерять, что получили клиенты: adoption, обратную связь, интент — затем сообщать о реализованном влиянии Product и бизнесу в цифрах, которые выдерживают проверку.
• Диагностировать и итерировать: инструментировать трассировку, показывающую, почему ответ был неверным, превращать каждый режим отказа в конкретное исправление и снова выпускать. Этот цикл — это работа, а не фаза.

Поставка

• Выпускать и эксплуатировать: владеть путём обслуживания — MCP-эндпоинты, задержка, стоимость за ответ, кэширование и рантайм-гардрейлы. Развёртывание и тестирование — часть работы, а не передача.
• Встраиваться и влиять: сотрудничать с Product Managers и инженерами в том, какие решения агент должен поддерживать — и какие не должен. Там, где данные или инфраструктура ограничивают возможности агента, продвигать изменения вместе с командой, владеющей платформой.

Кто вы

• Владелец: вы измеряете свою работу тем, приняли ли клиенты лучшие решения с помощью агента, а не тем, выпущен ли он.
• Строитель агентов: вы провели агента дальше демо. Вы знаете, что сложное — это всё после того, как он заработал один раз: покрытие, обоснованность, стоимость и режимы отказа, которые видны только в масштабе. Вы исправляете проблемы, не дожидаясь тикета.
• Одержимы опытом: вам важно, как ответ воспринимается, а не только правильный ли он. Надёжный, быстрый и понятный лучше умного.

Как мы работаем Мы строим с помощью кодирующих агентов. Вы задаёте направление и цели, критически проверяете вывод и строите harness — скаффолдинг, контекст, тесты, циклы проверки — которые делают следующую задачу быстрее для всей команды. Рычаг — в верификации: тесты, CI-гейты и типизированные интерфейсы, которые делают код, написанный агентом, безопасным для слияния.

Что вы принесёте

• Опыт: 5+ лет создания production-ПО или систем с интенсивной работой с данными, используемых реальными клиентами, с сильными навыками Python — включая хотя бы одну LLM- или агентную функцию, которую вы выпустили для production-пользователей.
• AWS и агентный стек: практический опыт с AWS, в идеале Amazon Bedrock и Bedrock AgentCore. Эквивалентные рантаймы агентов переносимы, но мы строим на AWS, и вы быстрее станете продуктивны при наличии предыдущего опыта.
• Инженерия агентов: оркестрация, проектирование инструментов и функций, сборка контекста и многошаговые рабочие процессы — вы принимали проектные решения, а не только решения по промптам.
• Retrieval и доменная обоснованность: вы строили retrieval по реальным бизнес-данным, можете объяснить, как выбирается контекст и почему ответ был неверным, и у вас достаточно свободного владения SQL и метриками, чтобы поймать агента, отвечающего неверным числом.
• Оценка и итерация: вы строили или владели циклом оценки для генеративной системы — размеченные наборы, регрессионные гейты и число, которое вы могли защитить, когда спрашивали, стало ли лучше.
• Продуктовое чутьё для AI: у вас есть мнения о том, как агент должен вести себя — когда отвечать, когда спрашивать, когда отказывать, как показывать свою работу — и вы выпускали эти мнения, а не только спорили о них.
• Измерение и нарратив: вы количественно оценивали, что агент на самом деле даёт.