Staff-инженер по прикладному ИИ

О компании

Pleo создаёт решения для управления корпоративными расходами. Компания насчитывает более 850 сотрудников из 100+ национальностей и обслуживает более 40 000 клиентов.

О роли

Возможность участвовать в создании AI-функций продукта вместе с инженерами, дата-инженерами и дата-сайентистами — от прототипа до продакшена. Компания обладает данными о расходах за 10 лет. Миссия — использовать эти данные для создания ценности продукта. Это одна из первых позиций в команде Data & AI Products. Работа в тесном сотрудничестве с инженерами и дата-сайентистами, полный цикл от данных до готового продукта. Основной фокус — создание и запуск AI-функций, взаимодействие с командами Product Engineering, AI Platform и Data & ML Platform.

Задачи

• Создавать и запускать несколько AI-функций продукта, включая агентные сценарии, интеллект расходов, автоматические действия и другое.
• Применять экспертизу в прикладном ИИ и оценивать компромиссы (качество против задержки/стоимости, создание против покупки, агентные паттерны против простых подходов), избегая решений, основанных на хайпе.
• Работать с Product, Design, Engineering и бизнес-заинтересованными сторонами: консультировать и определять приоритеты, что действительно стоит создавать. Не просто реализовывать спецификации, а обнаруживать и определять продукт.
• Отвечать за оценку, мониторинг и эксплуатацию AI-функций: настройка eval'ов, отслеживание дрейфа и производительности, безопасное управление изменениями промптов в продакшене. Помогать установить, как Pleo делает это в масштабе.
• Выступать дизайн-партнёром для GenAI Core платформы: оспаривать решения на основе реальных данных, предоставлять чёткие требования и проверять выбор платформы в продакшене.
• Устанавливать и обеспечивать практические стандарты для поставки AI-функций в продуктовых командах (стратегия оценки, ожидания по мониторингу, безопасные практики промптов/версионирования, защита приватности и безопасности) с использованием инструментов GenAI Platform (не создавая саму платформу).
• Повышать квалификацию команды через менторство, ревью, парное программирование и лёгкие плейбуки.

Требования

• Подтверждённый опыт запуска нескольких GenAI-функций в продакшене в масштабе клиентского продукта. Опыт выхода за рамки прототипов, желательно с многошаговыми агентами, использующими инструменты, в пользовательском продукте.
• Способность превращать сложные бизнес-задачи и продуктовые видения в масштабируемые AI-решения: самостоятельно определять область, проектировать и создавать.
• Глубокое понимание прикладного ИИ: оценка, качество поиска, использование инструментов, режимы отказов, что стоит создавать.
• Опыт применения оценки и наблюдаемости для LLM-систем (тесты, golden sets, онлайн-метрики, мониторинг) и использования этих сигналов для итераций.
• Понимание вопросов приватности и безопасности при создании LLM-приложений: prompt injection, обработка PII и риски утечки данных.
• Уверенный опыт с современным AI-стеком: векторные БД, оркестрация и фреймворки durable execution, LLM API.
• Опыт создания API, сервисов и пайплайнов извлечения данных (RAG, векторный поиск и т.д.) для подачи данных в LLM.
• Глубокое владение Python для data и ML-инженерии, SQL и основными облачными провайдерами.
• Обширный опыт в традиционном ML-инжиниринге и глубокое понимание архитектуры и построения надёжных систем данных.