We use cookies to run the site and count visits. "Got it" also allows session recording.
Artefact
Paris, France7 days ago
75,000 – 85,000 EUR
per year
Specialization
AI Engineering
Industry
AI
Company type
Agency
An email or a Telegram message to the recruiter
Каждый месяц выходят новые модели, открытые или закрытые: еще нужно выбрать те, которые достаточно хороши для производства, и доказать это. Приложения и агенты основаны на больших языковых моделях (LLM), и модельная часть этих систем находится в ваших руках. Наши клиенты используют их для ответов своим клиентам, обработки документов и запросов к своей базе знаний. То, что видит модель, как она ищет знания, какие инструменты она может вызывать: эти выборы остаются за вами, как и оценка качества ответов. Выбранная модель должна соответствовать цели по стоимости и качеству. Эта должность для вас, если вы хотите знать, дает ли ИИ-система правильные ответы, а не только то, работает ли она. Artefact помогает крупнейшим мировым компаниям во внедрении ИИ: 3000 AI makers в более чем 30 странах, более 1000 клиентов. Во Франции департамент Engineering насчитывает около 300 человек под руководством CTO; вы присоединитесь к главе AI Applied Engineer, к архетипу AI Engineer. В этой области сложность заключается не столько в том, чтобы заставить модель говорить, сколько в том, чтобы знать, говорит ли она правду. AI Engineer отвечает на этот вопрос с помощью измерений: тестовые наборы, оценки, мониторинг в продакшене, а не на основе впечатлений от успешной демонстрации. Мы — AI makers: ИИ создается вместе с нашими клиентами, а не только для них. Их задачи становятся нашими, и наш технический выбор объясняется языком бизнеса. Наши позиции ясны; они меняются перед лицом фактов, но никогда под давлением. Наша отрасль меняется каждый месяц, и этот темп нам подходит: новые технологии и новые сектора быстро осваиваются, а устаревшие привычки отбрасываются без сожаления. Столкнувшись со сложной проблемой, инстинктивно разбиваем ее на проверяемые этапы, предъявляя высокие требования как к коду, так и к результатам. Когда чего-то не хватает, будь то для клиента или для главы, мы это создаем. Прогресс достигается благодаря конструктивной обратной связи, обмену знаниями, своевременному запросу помощи и признанию работы других. Многому предстоит научиться, и многое предстоит построить. В Artefact мы убеждены, что разнообразие путей, опыта и взглядов обогащает наши команды.
Product Engineers создают приложение вокруг модели; поведение модели внутри — ваша забота. Context & Analytics Engineers подготавливают знания, которые ищут ваши агенты, а Platform Engineers используют serving, harness и observability, на которые вы опираетесь. Вместе с AI Product Manager и отраслевыми экспертами клиента определяется хороший ответ, а затем совместно анализируются результаты. Ревью кода между коллегами и сопровождение новых сотрудников — часть повседневной работы. Создание приложений и агентов LLM: проектирование контекста, вызов инструментов, многошаговые рабочие процессы. Проектирование того, как агенты используют знания: запросы на поиск (retrieval), переранжирование (re-ranking), цитирование. Создание наборов и конвейеров оценки: эталонные ответы, автоматическое скоринг, ревью отраслевыми экспертами. Отслеживание качества ответов в продакшене и исправление ухудшений. Выбор моделей по качеству, стоимости и задержке; выполнение fine-tuning или дистилляции на меньшей модели, когда промптинга недостаточно. Добавление защитных механизмов против плохих ответов, утечек данных и внедрения промптов (prompt injection). Обработка документов с помощью LLM: извлечение, классификация, резюмирование.
Обязательно: Вы создали приложение или агента, который вызывает LLM, и вы умеете объяснить, что сработало, а что нет. Ваш код протестирован и поддерживаем. Кодинг-агенты уже стали частью вашей повседневной жизни, и вы проверяете то, что они производят. Качество результатов ИИ измеряется у вас с помощью тестовых наборов и метрик, и вы умеете ограничивать галлюцинации, внедрение промптов и утечки данных. Внедрение LLM-приложения в продакшен и его поддержка (развертывание, мониторинг, стоимость, задержка) не имеют для вас секретов. Отправной точкой для вас является бизнес-задача, а не модель; признание того, что ИИ не всегда является правильным инструментом, и объяснение этого нетехническим людям — часть вашей практики.
Fine-tuning или дистилляция языковых моделей. Обучение в области машинного обучения или статистики, например, в области науки о данных. Фреймворки или протоколы агентов, такие как MCP. Мультимодальные входные данные: документы, изображения, голос. Инструменты мониторинга LLM: трассировка, отслеживание затрат. Не обязательно соответствовать всем требованиям, чтобы подать заявку: если у вас есть основная часть обязательных навыков и желание научиться остальному, давайте поговорим.
Наставник (counsellor) сопровождает ваши первые месяцы. Техническое введение (onboarding) открывает путь, за которым следует первый клиентский проект; если ни один не готов, его заменяют внутренние стартовые наборы. Остальное углубляется в проектах: оценка, проектирование агентов, адаптация моделей при поддержке сообщества AI Engineer. С 2027 года архетип AI Engineer будет иметь свою собственную сетку компетенций и свой собственный план обучения, в дополнение к общей базе для всех AI Applied Engineers (ответственность в продакшене, основы безопасности ИИ). Позже возможна переходная роль (Project Tech Lead, Pre-sales Engineer, Engineering Manager), как и в главах AI Architect и AI Product Manager. Вознаграждение: от 75 000 до 85 000 евро брутто в год (фиксированная часть) в зависимости от опыта и стажа + до 8 000 евро переменной части в зависимости от опыта и стажа
Миссия Каждый месяц выходят новые модели, открытые или закрытые: еще нужно выбрать те, которые достаточно хороши для производства, и доказать это. Приложения и агенты основаны на больших языковых моделях (LLM), и модельная часть этих систем находится в ваших руках. Наши клиенты используют их для ответов своим клиентам, обработки документов и запросов к своей базе знаний. То, что видит модель, как она ищет знания, какие инструменты она может вызывать: эти выборы остаются за вами, как и оценка качества ответов. Выбранная модель должна соответствовать цели по стоимости и качеству. Эта должность для вас, если вы хотите знать, дает ли ИИ-система правильные ответы, а не только то, работает ли она. Artefact помогает крупнейшим мировым компаниям во внедрении ИИ: 3000 AI makers в более чем 30 странах, более 1000 клиентов. Во Франции департамент Engineering насчитывает около 300 человек под руководством CTO; вы присоединитесь к главе AI Applied Engineer, к архетипу AI Engineer. Деятельность и обязанности Product Engineers создают приложение вокруг модели; поведение модели внутри — ваша забота. Context & Analytics Engineers подготавливают знания, которые ищут ваши агенты, а Platform Engineers используют serving, harness и observability, на которые вы опираетесь. Вместе с AI Product Manager и отраслевыми экспертами клиента определяется хороший ответ, а затем совместно анализируются результаты. Ревью кода между коллегами и сопровождение новых сотрудников — часть повседневной работы. Ваши обязанности: Создание приложений и агентов LLM: проектирование контекста, вызов инструментов, многошаговые рабочие процессы. Проектирование того, как агенты используют знания: запросы на поиск (retrieval), переранжирование (re-ranking), цитирование. Создание наборов и конвейеров оценки: эталонные ответы, автоматическое скоринг, ревью отраслевыми экспертами. Отслеживание качества ответов в продакшене и исправление ухудшений. Выбор моделей по качеству, стоимости и задержке; выполнение fine-tuning или дистилляции на меньшей модели, когда промптинга недостаточно. Добавление защитных механизмов против плохих ответов, утечек данных и внедрения промптов (prompt injection). Обработка документов с помощью LLM: извлечение, классификация, резюмирование. Требуемый профиль Обязательно: Вы создали приложение или агента, который вызывает LLM, и вы умеете объяснить, что сработало, а что нет. Ваш код протестирован и поддерживаем. Кодинг-агенты уже стали частью вашей повседневной жизни, и вы проверяете то, что они производят. Качество результатов ИИ измеряется у вас с помощью тестовых наборов и метрик, и вы умеете ограничивать галлюцинации, внедрение промптов и утечки данных. Внедрение LLM-приложения в продакшен и его поддержка (развертывание, мониторинг, стоимость, задержка) не имеют для вас секретов. Отправной точкой для вас является бизнес-задача, а не модель; признание того, что ИИ не всегда является правильным инструментом, и объяснение этого нетехническим людям — часть вашей практики. Плюсом будет, но не обязательно: Fine-tuning или дистилляция языковых моделей. Обучение в области машинного обучения или статистики, например, в области науки о данных. Фреймворки или протоколы агентов, такие как MCP. Мультимодальные входные данные: документы, изображения, голос. Инструменты мониторинга LLM: трассировка, отслеживание затрат. Не обязательно соответствовать всем требованиям, чтобы подать заявку: если у вас есть основная часть обязательных навыков и желание научиться остальному, давайте поговорим. Почему стоит присоединиться к нам? В этой области сложность заключается не столько в том, чтобы заставить модель говорить, сколько в том, чтобы знать, говорит ли она правду. AI Engineer отвечает на этот вопрос с помощью измерений: тестовые наборы, оценки, мониторинг в продакшене, а не на основе впечатлений от успешной демонстрации. Мы — AI makers: ИИ создается вместе с нашими клиентами, а не только для них. Их задачи становятся нашими, и наш технический выбор объясняется языком бизнеса. Наши позиции ясны; они меняются перед лицом фактов, но никогда под давлением. Наша отрасль меняется каждый месяц, и этот темп нам подходит: новые технологии и новые сектора быстро осваиваются, а устаревшие привычки отбрасываются без сожаления. Столкнувшись со сложной проблемой, инстинктивно разбиваем ее на проверяемые этапы, предъявляя высокие требования как к коду, так и к результатам. Когда чего-то не хватает, будь то для клиента или для главы, мы это создаем. Прогресс достигается благодаря конструктивной обратной связи, обмену знаниями, своевременному запросу помощи и признанию работы других. Многому предстоит научиться, и многое предстоит построить. Наставник (counsellor) сопровождает ваши первые месяцы. Техническое введение (onboarding) открывает путь, за которым следует первый клиентский проект; если ни один не готов, его заменяют внутренние стартовые наборы. Остальное углубляется в проектах: оценка, проектирование агентов, адаптация моделей при поддержке сообщества AI Engineer. С 2027 года архетип AI Engineer будет иметь свою собственную сетку компетенций и свой собственный план обучения, в дополнение к общей базе для всех AI Applied Engineers (ответственность в продакшене, основы безопасности ИИ). Позже возможна переходная роль (Project Tech Lead, Pre-sales Engineer, Engineering Manager), как и в главах AI Architect и AI Product Manager. Процесс рекрутинга Процесс занимает около четырех часов и состоит из шести этапов, один из которых проходит на месте. Собеседование с HR (45 мин, удаленно): опыт, мотивация и практические вопросы, такие как график и зарплатные ожидания. Звонок с CTO (15–30 мин, удаленно). Технический скрининг (30 мин, удаленно, с членом главы AI Applied Engineer): подробный обзор ваших прошлых проектов, затем технические вопросы и вопросы по дизайну решения. Ревью кода и live coding (60 мин, на месте, с членом главы): ревью существующего репозитория кода и исправление его недостатков, затем создание новой функции с помощью кодинг-агента и представление результата. Технический кейс (45 мин, удаленно, с членом главы): постановка бизнес-задачи, предложение технического решения, описание метода оценки, затем обсуждение вашего выбора. Финальное собеседование (30 мин, удаленно, с руководителем департамента, Engineering Manager или Director): обсуждение открытых вопросов, выбор архетипа и уровня, наилучшим образом соответствующих вашему профилю, и ответы на все ваши вопросы. В зависимости от этапа разрешены все инструменты ИИ или ни одного. Во время live coding наблюдается способ работы с помощью ИИ. Вознаграждение: от 75 000 до 85 000 евро брутто в год (фиксированная часть) в зависимости от опыта и стажа + до 8 000 евро переменной части в зависимости от опыта и стажа В Artefact мы убеждены, что разнообразие путей, опыта и взглядов обогащает наши команды. Мы стремимся создать инклюзивную среду и справедливые возможности, где каждый может развиваться и полностью раскрывать свой потенциал. Наш найм основан на компетенциях, потенциале и соответствии роли.
We compare skills, grade, work format and salary
Most often 66,300 to 83,700