Staff AI-инженер платформы и архитектуры

Shield AI — венчурная оборонно-технологическая компания, основанная в 2015 году. Миссия — защита военнослужащих и гражданских с помощью интеллектуальных систем. Продукты включают ПО автономности Hivemind и летательные аппараты V-BAT и X-BAT. Офисы и объекты расположены в США, Европе, на Ближнем Востоке и в Азиатско-Тихоокеанском регионе; технологии активно поддерживают операции по всему миру.

Краткое описание роли: Staff Engineer, AI Engineering — старший индивидуальный контрибьютор, отвечающий за преобразование дорожной карты корпоративного AI-инжиниринга в масштабируемую архитектуру платформы, переиспользуемые технические паттерны и общие сервисы продакшн-уровня. Подчиняется директору по AI-инжинирингу. Роль обеспечивает глубокое техническое лидерство в области AI-энейблмента, контроля ответственного AI, наблюдаемости, атрибуции затрат и стратегии переиспользуемых компонентов. Staff Engineer выступает связующим техническим звеном между командами Engineering, IT, Security, Legal, Data и бизнес-подразделениями — устанавливает стандарты, создает референсные реализации и направляет команды к согласованному, безопасному и измеримому внедрению AI без прямых административных полномочий. Успех определяется качеством платформенных компонентов, принятых командами, четкими архитектурными и управленческими паттернами, измеримыми результатами по производительности и затратам, а также эффективным наставничеством инженеров, создающих AI-возможности.

Задачи:

• Определять и развивать корпоративные архитектурные паттерны AI для интеграции LLM, генерации с дополненной выборкой (RAG), агентных рабочих процессов, оркестрации промптов и автоматизации рабочих процессов.
• Создавать референсные архитектуры, проводить архитектурные ревью, вести записи о решениях и руководства по реализации, обеспечивающие согласованную разработку AI в бизнес-подразделениях.
• Выступать техническим авторитетом в решениях по AI-платформе, включая выбор моделей, подходы к интеграции, обеспечение границ данных и управление жизненным циклом.
• Оценивать новые AI-технологии и рекомендовать подходящие пути внедрения с учетом требований безопасности, эксплуатации и корпоративной архитектуры.
• Совместно с продуктовыми, платформенными и бизнес-технологическими командами выявлять общие потребности и преобразовывать их в переиспользуемые инженерные паттерны.

Обязательные квалификации:

• Прогрессивный опыт в корпоративной разработке ПО, AI-платформенной инженерии, инженерии данных или цифровых рабочих мест.
• Глубокое практическое понимание генеративного AI, интеграции больших языковых моделей, архитектур RAG, агентных AI-паттернов, оркестрации промптов и проектирования продакшн AI-систем.
• Опыт проектирования общих платформенных сервисов, переиспользуемых библиотек компонентов, API, интеграционных фреймворков или платформ для разработчиков, используемых несколькими командами.
• Сильное архитектурное суждение в вопросах безопасности, надежности, масштабируемости, наблюдаемости, поддерживаемости и компромиссов по операционным затратам.
• Опыт внедрения или участия в контролях AI-управления, таких как управление доступом, классификация данных, аудит-логирование, управление жизненным циклом моделей и практики разработки с учетом соответствия требованиям.
• Способность влиять на техническое направление в матричных командах через архитектурные ревью, письменные руководства, референсные реализации и практическое сотрудничество.
• Опыт определения метрик, телеметрии или механизмов атрибуции для внедрения, производительности, затрат, качества или операционной эффективности.
• Сильные навыки письменной и устной коммуникации с умением объяснять сложные концепции AI-инжиниринга технической и нетехнической аудитории.

Предпочтительные квалификации:

• Опыт в регулируемых, оборонно-смежных, чувствительных к безопасности или управляемых данных средах.
• Опыт в MLOps, AI-наблюдаемости, фреймворках оценки моделей, оценке агентов и продакшн-мониторинге.
• Знакомство с экосистемами корпоративных AI-инструментов, включая копилот-платформы, наборы для автоматизации рабочих процессов, векторные базы данных и корпоративные поисковые/RAG-платформы.
• Практический опыт с корпоративными платформами данных, такими как Databricks, Snowflake, архитектуры lakehouse или аналогичные.
• Опыт внедрения учета использования, распределения затрат, showback/chargeback или оптимизации расходов на AI.
• Опыт наставничества инженеров и повышения технических стандартов без прямых управленческих полномочий.
• Продвинутая степень в области компьютерных наук, инженерии, data science или смежной технической области.