Senior Applied AI Engineer, LLM и GenAI
Wemolo разрабатывает собственное оборудование и AI для парковок без барьеров, билетов и очередей. Более 7 000 сканеров работают на примерно 4 000 парковках по Европе и обработали свыше 1,3 млрд парковочных событий.
Роль Senior Applied AI Engineer (all genders) предполагает работу как forward deployed engineer внутри внутренних команд компании. Вы находите, где AI даёт наибольший эффект, решаете, что стоит строить, и затем строите это сами. Работа идёт в тесном контакте с лидами команд разных отделов и внутри команды Data & AI.
Роль сочетает discovery и практическую инженерию: часть времени вы работаете с командами, часть — строите решения самостоятельно. Пользовательские боли сначала часто размыты, а приоритеты меняются по мере проверки гипотез. Когда решение работает, вы передаёте его и переходите к следующей задаче. Чистое кодирование, чисто консультативная работа или полировка одной системы месяцами не входят в роль.
Ожидания:
- Discovery: наблюдать за процессами и интервьюировать людей, выполняющих работу; количественно оценивать и валидировать, где теряются время и качество.
- Приоритизация: приоритизировать use cases между отделами по impact, а не по простоте или продвинутости инструментов; отказываться от тех, что не выдерживают проверки.
- Make or buy: тестировать существующие инструменты и новых AI-провайдеров на use cases до начала разработки.
- Build and ship: строить решение самостоятельно — LLM-системы, традиционный ML, rule-based автоматизацию или комбинацию в зависимости от задачи. Выпускать первую рабочую версию за недели, интегрировать в инструменты, которыми люди уже пользуются, и итерировать по обратной связи.
- Measure success: заранее определять успех — бизнес-результат, adoption и метрики качества выходных данных.
- Own the outcome: вести каждое решение до ясного результата — передачи команде Platform или доменной команде либо закрытия.
- Platform: строить на AI & Data платформе и давать обратную связь о её следующих потребностях.
Требования:
- 5+ лет в software engineering, data science или ML engineering, включая минимум 1 год выпуска LLM-based продуктов. Опыт scale-up и тесной работы с бизнес-командами (operations или sales) — плюс.
- Опыт discovery: самостоятельно находить и scoping проблем, работая напрямую с пользователями, и превращать их в количественно обоснованный кейс за или против решения.
- Сильный Python и твёрдое понимание ключевых концепций и строительных блоков GenAI, включая RAG, tool calling, MCP, agent frameworks и evaluation (Evals). Опыт традиционного машинного обучения (например, XGBoost) и SQL — плюс.
- End-to-end delivery: минимум один AI-проект от неясной бизнес-проблемы до продакшена, реализованный end to end, с демонстрацией измерения качества выходных данных.
- Аналитическое мышление и коммуникация: структурировать неоднозначные проблемы и объяснять технические компромиссы нетехническим командам; защищать решения о выборе use cases и работать на равных со стейкхолдерами.
- Проактивность и комфорт в неясных ситуациях: не ждать требований, а находить проблему, которую стоит решать.
- Свободный английский (C1); немецкий — плюс.
Условия:
- Гибридная модель: работа из дома, workation и очные Anchor Days со вторника по четверг.
- Мобильность: лизинг велосипеда или субсидия на общественный транспорт.
- Измеримые цели: agile-методы позволяют напрямую измерять влияние на продукт и успех компании.
- Командная культура и нетворкинг: командные мероприятия и OKR-вечеринки.
- Рабочая среда: кофе из портафильтра, онлайн-столовая Bella&Bona, свежие фрукты, мюсли-бар.
- Здоровье и баланс: EGYM Wellpass или Urban Sports Club с доступом к 1000+ залам и велнес-местам по Германии.
- Оборудование и эргономика: Mac или Windows в офисе или удалённо.
- Дресс-код отсутствует.