Principal AI Engineer - Enterprise Transformation

Старший инженер по ИИ является основным разработчиком в Центре передового опыта (CoE). Вы будете брать приоритетные рабочие процессы из архитектуры и PRD и превращать их в работающие, оцененные, готовые к производству системы ИИ — и, что не менее важно, интегрировать то, что вы создаете, в библиотеку повторно используемых компонентов, чтобы пятый рабочий процесс стоил доли первого. Это прикладная инженерная роль с необычайно высоким уровнем влияния. Вы не создаете один продукт; вы создаете компоненты, шаблоны и эталонные реализации, которые внутренние инженеры и внешние партнерские группы будут использовать для создания множества продуктов. Работа охватывает поиск, оркестрацию агентов, оценку и неброскую производственную инженерию — задержку, стоимость, обработку сбоев, наблюдаемость — которая отличает демо от системы, на которую бизнес может полагаться. Где находится эта роль Подчиняется: Руководителю Центра передового опыта в области ИИ. Техническое руководство от: Ведущего архитектора по ИИ — вы будете работать вместе с ним ежедневно, и от вас ожидается, что вы будете возражать, когда дизайн не выдержит контакта с производством. Работает с: Функциональными специалистами по работе с ИИ, которые отвечают за рабочие процессы, PRD и стандарты качества для бизнес-функций в рамках области. Также сотрудничает с инженерными командами QAD, отделами инженерии данных и платформ, службами безопасности и управления рисками (GRC), а также внешними системными интеграторами. Область ответственности: Основной инженерный найм. Ожидается, что вы установите инженерные стандарты, будете наставлять последующих нанятых сотрудников и проверять код, предоставленный партнерами. Ключевые обязанности Создание ИИ и агентских рабочих процессов Создавайте производственные ИИ и агентские рабочие процессы от начала до конца — от PRD и архитектуры до реализации, оценки, выпуска и итераций в производстве. Проектируйте и внедряйте оркестрацию агентов: многошаговые потоки, вызов инструментов и API, планирование и маршрутизацию, состояние и память, повторные попытки, резервные варианты, тайм-ауты и контрольные точки «человек в цикле». Принимайте решение между детерминированным управлением потоком и управлением на основе модели — и по умолчанию отдавайте предпочтение первому, где это обеспечивает такой же результат более надежно и дешево. Интегрируйтесь с корпоративными системами — ERP, CRM, службами поддержки, платформами доставки услуг, платформами знаний и данных — включая системы с несовершенными API и несовершенными данными. Поиск и инженерия контекста Отвечайте за стек поиска: загрузка корпуса, парсинг документов, стратегия фрагментации, выбор эмбеддингов, гибридный лексический и векторный поиск, ранжирование, фильтрация метаданных и трансформация запросов. Реализуйте поиск с учетом разрешений, чтобы пользователь или агент могли получать только то, что разрешено данной учетной записи — это не подлежит обсуждению в корпоративном контексте. Обеспечивайте актуальность и инкрементальное индексирование, чтобы поиск отражал состояние бизнеса, а не снимок с дня загрузки. Явно измеряйте качество поиска и рассматривайте его как настраиваемую подсистему с собственными метриками, а не как предположение. Выбор, настройка и оценка моделей Выбирайте, настраивайте и маршрутизируйте модели по уровням на основе измеренного качества, задержки и стоимости — а не на основе репутации или новизны. Отвечайте за инженерию промптов, версионирование, структурированный вывод и стратегию контекста как версионируемые, протестированные артефакты под управлением исходного кода. Применяйте дообучение, адаптеры или дистилляцию только там, где доказательства показывают, что отдача оправдывает операционные нагрузки — и будьте готовы аргументировать это в любом случае. Создайте систему оценки: эталонные наборы данных, офлайн-оценку, LLM-как-судья с человеческой калибровкой, регрессионные тесты, запускаемые в CI, и мониторинг качества в реальном времени с захватом структурированной обратной связи. Работайте со специалистами по работе с клиентами, чтобы преобразовать бизнес-стандарты качества в измеримые критерии — и будьте честны, когда рабочий процесс их не соответствует. Повторно используемая библиотека компонентов Проектируйте, создавайте и поддерживайте общую библиотеку компонентов — SDK, общие службы, шаблоны, эталонные реализации и документацию — на основе которой работают как внутренние инженеры, так и партнерские группы. Относитесь к внутренним инженерам и командам SI как к клиентам вашей библиотеки: версионирование, обратная совместимость, примеры и документация должны быть достаточно хорошими, чтобы люди использовали их, не задавая вам вопросов. Проверяйте код и проекты, предоставленные партнерами, на соответствие, качество и удобство сопровождения. Производственная инженерия и эксплуатация Соблюдайте явные бюджеты задержки и стоимости на рабочий процесс, используя кеширование, пакетную обработку, потоковую передачу, многоуровневую модель и эффективность промптов. Обеспечьте постепенную деградацию: сбои поставщиков, ограничения скорости, обратное давление, частичные сбои и безопасные резервные варианты. Реализуйте наблюдаемость для недетерминированных систем — сквозное отслеживание на уровне шагов, телеметрию токенов и затрат, панели мониторинга качества и путь триажа для инцидентов, когда ничего не сломалось, но результат был неправильным. Отвечайте за инфраструктуру как код, CI/CD, продвижение сред, обработку секретов и учетных данных, а также дисциплину тестирования для всего, что поставляет CoE. Участвуйте в модели операционной поддержки для действующих ИИ-рабочих процессов, включая анализ инцидентов и их устранение. Формирование команды Установите инженерные стандарты для CoE и повышайте их по мере роста команды. Наставляйте последующих нанятых инженеров и инженеров партнеров. Документируйте решения и компромиссы, чтобы следующий инженер унаследовал рассуждения, а не просто код.

Что мы ищем Обязательно 6+ лет профессиональной разработки программного обеспечения, включая 2+ года создания и эксплуатации производственных LLM или GenAI систем — систем с реальными пользователями и реальными эксплуатационными расходами, а не ноутбуков или концепций. Отличное знание Python, плюс рабочая компетенция по крайней мере в одном другом языке (TypeScript, Go, Java или аналогичном). Реальный опыт работы с производственным поиском — вы создали RAG или гибридную систему поиска, измерили ее, обнаружили недостатки и улучшили. Опыт оркестрации агентов с использованием таких фреймворков, как LangGraph, LlamaIndex, Semantic Kernel, Google ADK, Strands, CrewAI или эквивалентных — вместе с умением понимать, когда фреймворк является неправильным решением. Уверенный опыт работы с AWS и/или GCP, включая управляемые ИИ-сервисы (Bedrock, SageMaker, Vertex AI или эквивалентные) наряду с основными вычислительными ресурсами, бессерверными технологиями, сетями, IAM и управляемыми сервисами данных. Проектирование API и корпоративная интеграция, включая шаблоны аутентификации и авторизации — OAuth 2.0 / OIDC, аутентификация сервис-сервис и делегированный доступ или доступ от имени. Контейнеризация, инфраструктура как код (Terraform, CDK или эквивалентные), CI/CD и реальная дисциплина тестирования. Строгость в оценке — вы можете численно определить, что такое «хорошо» для субъективной задачи, защитить это определение и действовать на основе результата. Осознание стоимости и задержки как инстинкт проектирования, а не запоздалая мысль, озвученная финансами. Четкая письменная коммуникация — проектные заметки, документация и честные статусы. Комфорт с неопределенностью и меняющимися приоритетами в новой функции. Настоятельно рекомендуется Векторная и гибридная поисковая инфраструктура в производственном масштабе — OpenSearch, pgvector, Vertex AI Search, Elasticsearch, Pinecone, Weaviate или аналогичные. Инструментарий оценки и наблюдаемости — LangSmith, Langfuse, Phoenix, Braintrust, Ragas, DeepEval или эквивалентные. Многопользовательский SaaS-инжиниринг и дисциплина изоляции данных, связанная с ним. Опыт работы с данными ERP, производственными или цепочками поставок. Классический опыт в области ML и MLOps — хранилища признаков, реестры моделей, мониторинг и дрейф. Дообучение, адаптация с параметрической эффективностью, или обслуживание и оптимизация моделей. Опыт создания внутренних платформ или SDK, используемых другими инженерами. Вклад в open-source в экосистеме инженерии ИИ. Техническое окружение Преимущественно инфраструктура AWS со значительным присутствием GCP, многопользовательские SaaS-продукты, производственные данные и данные цепочек поставок, а также гетерогенный набор корпоративных систем в CRM, службах поддержки, платформах доставки услуг, маркетинга и данных. Инженерные мощности представляют собой сочетание внутренней команды и внешних партнеров по внедрению. Инструментарий ИИ не фиксирован. Вы будете помогать выбирать его — а затем жить с последствиями, что является правильным стимулом. Чем эта роль НЕ является Не роль инженера по работе с промптами. Промптинг — это один из компонентов системы, которая также включает поиск, оркестрацию, оценку, инфраструктуру и эксплуатационные расходы. Не роль научного сотрудника. Мы не обучаем фундаментальные модели. Мы выпускаем надежные системы на их основе. Не роль написания спецификаций. Вы будете создавать, и вы будете читать код партнеров построчно. Не роль, где качество — это проблема кого-то другого. Если что-то попадает в продакшн, вы отвечаете за то, насколько хорошо это работает. Как выглядит успех Первые 3 месяца Первый приоритетный рабочий процесс в производстве или готов к производству, с работающей системой оценки. Действующие базовые инженерные стандарты — структура репозитория, CI/CD, среды, трассировка, обработка секретов. Общее понимание с архитектором и специалистами по работе с клиентами того, что означает «хорошо», выраженное в числах. Первые 6 месяцев Первая версия повторно используемой библиотеки компонентов в использовании — вами, внутренними инженерами и по крайней мере одной партнерской группой. Несколько рабочих процессов в сети, с видимыми показателями качества, задержки и стоимости на транзакцию. Регрессионная оценка, выполняемая в CI, так что изменение, снижающее качество, обнаруживается до выпуска, а не перед клиентом. Первые 12 месяцев Заметно более низкая стоимость сборки и время цикла для каждого последующего рабочего процесса, связанное с повторным использованием. Производственная среда, управляемая командой — мониторинг, документация, поддержка, и не зависящая от одного человека. Код, предоставленный партнерами, соответствует тому же стандарту, что и внутренний код, поскольку стандарт и проверка реальны. Как мы оцениваем Техническая беседа о производственной системе ИИ, которую вы создали — архитектура, подход к оценке, что сломалось, что бы вы сделали по-другому. Практическое задание по поиску или оркестрации агентов, обсуждаемое, а не оцениваемое в изоляции. Обзор кода и дизайна — вы проверяете что-то наше, мы проверяем что-то ваше. Интервью по сотрудничеству с CoE и функциональным заинтересованным лицом.

Ваше здоровье и благополучие важны для нас в QAD. Мы предоставляем программы, которые помогают вам достичь здорового баланса между работой и личной жизнью. Возможность присоединиться к растущему бизнесу, который выходит на новый этап расширения и трансформации. Культура сотрудничества умных и трудолюбивых людей, которые поддерживают друг друга для выполнения поставленной задачи. Атмосфера роста и возможностей, где обмен идеями всегда ставится выше должности или иерархии. Компенсационные пакеты, основанные на опыте и желаемом наборе навыков. О QAD: QAD | Redzone переопределяет производство и цепочки поставок с помощью своей интеллектуальной, адаптивной платформы, которая объединяет людей, процессы и данные в единую Систему Действий. С тремя основными компонентами — Redzone (расширение прав и возможностей фронтлайна), Adaptive Applications (интеллектуальный бэкэнд) и Champion AI (Агентский ИИ для производства) — QAD | Redzone помогает производителям работать с Champion Pace, достигая измеримой производительности, устойчивости и роста всего за 90 дней. QAD стремится обеспечить, чтобы каждый сотрудник чувствовал, что работает в среде, которая ценит его вклад, уважает его уникальные взгляды и предоставляет возможности для роста независимо от происхождения. Программа DEI QAD способствует повышению уровня разнообразия, справедливости и инклюзивности, чтобы сотрудники могли быть самими собой на работе. Мы являемся работодателем с равными возможностями и не дискриминируем ни одного сотрудника или кандидата на работу по признаку расы, цвета кожи, пола, возраста, национальности, религии, сексуальной ориентации, гендерной идентичности, статуса ветерана и инвалидности или любого другого федерального, государственного или местного защищенного класса.

QAD | Redzone создает корпоративную ИИ-платформу для поддержки ИИ-возможностей и агентских рабочих процессов по всей организации. Центр передового опыта в области ИИ (CoE) отвечает за реализацию этой амбиции в виде развернутых, измеренных, производственных рабочих процессов для приоритетных бизнес-функций. CoE небольшой, состоит из опытных специалистов и обладает высоким уровнем влияния. Он устанавливает архитектуру и стандарты, создает повторно используемые возможности и осуществляет поставки за счет сочетания внутренних инженерных усилий и внешних партнерских усилий. Это один из шести основных наймов и первый выделенный инженерный найм в команде.