Назад к вакансиям
Логотип Top Selection
Habr Career21 августа 2026 г.

Middle/Senior системный аналитик, ИИ-агенты

Top Selection

Вознаграждениеот 230 000 до 280 000 ₽
Локация
СНГ / Россия
Формат
Офис
Направления
ML-инженер, Разработка ИИ-агентов, Веб-разработка
Отклик
На Habr Career

Позиция: Системный аналитик (Middle/Middle+/Senior)

Вилка: 230 000 - 280 000 руб. gross

Занятость: Полная

Формат работы: Удаленный/Гибрид (в приоритете, г. Москва)

Срок проекта: 6+ месяцев

Локация: РФ

Оформление: ИП

Задачи:

  • Сбор, анализ и формализация функциональных и нефункциональных требований заказчика к платформе и реализуемым на базе платформы ИИ-агентам (в т.ч. «охлаждение» нереалистичных требований)
  • Трекинг реализации функциональных требований
  • Описание спецификаций агентов: роль и цель агента, сценарии использования, границы полномочий, поведение при отказе, эскалация к человеку (human-in-the-loop)
  • Определение критериев успешности внедрения платформы и реализации ИИ-агентов (выделение ключевых метрик, определение методики расчета данных метрик, согласование достижимости ожидаемых значений)
  • Описание процессов as-is / to-be
  • Формализация политик ограничений и требований ИБ
  • Описание контрактов внешних систем: возможности систем заказчика, требования к данным агента, разрешённые действия и классы данных
  • Организация и проведение ПСИ (приёмо-сдаточных испытаний), подготовка ПМИ, составление протокола приемки
  • Управление объемом проекта (арбитраж расхождений «дефект реализации / корректное поведение по спецификации / новое требование»)
  • Ведение проектной документации и базы знаний проекта (Jira, Confluence)

Требования:

  • Опыт работы системным аналитиком от 4 лет, в т.ч. на проектах внедрения ПО у enterprise-заказчиков
  • Умение писать проверяемые требования: каждое требование имеет способ подтверждения и критерий приёмки
  • Понимание интеграций на уровне контрактов: REST API, JSON, микросервисная архитектура
  • Понимание устройства ИИ-систем на уровне постановки требований: что такое LLM и её вероятностная природа, агент, инструмент (function calling), RAG, guardrails, мультиагентная схема
  • Понимание специфики приёмки недетерминированных систем: метрики качества, пороги, эталонные датасеты, статистическая природа результата
  • Навыки управления ожиданиями заказчика
  • Опыт работы с LLM на уровне выше вопрос/ответ

Будет плюсом:

  • Опыт проектов с ML/LLM, ИИ-агентами, RAG-системами и т.д.
  • Опыт реализации собственных ИИ-агентов
  • Знакомство с практиками оценки качества LLM: evals, golden dataset, LLM-as-judge
  • Понимание возможностей платформ для реализации ИИ-агентов (для оценки реализуемости требований)
  • Опыт on-premise внедрений у крупных заказчиков / госсектора
  • Опыт работы с требованиями к нагрузке и SLA на уровне сбора и фиксации