Tech Lead (Conversational AI & Driver Automation)

Компания: Snoonu Тип занятости: FULL_TIME Формат работы: Удаленно

Мы ищем инженера-руководителя, который возглавит и будет развивать платформу Snoonu в области Conversational AI и Driver Automation. Эта платформа включает IVR-системы, многоканальные чат-боты и готовый к производству фреймворк многоагентного AI на базе AWS Bedrock. Вы будете руководить командой инженеров по AI и Python Backend инженеров, преобразуя операционные стандартные рабочие процедуры (SOP) в автономные, надежные рабочие процессы, которые обслуживают водителей в реальном времени по всему Катару. На этой должности вы будете определять техническое направление, устанавливать стандарты разработки и полностью отвечать за результат — от архитектурных решений и обзоров кода до наблюдаемости и управления затратами. Вы будете работать напрямую с директором по исследованиям и разработкам (R&D Director) и менеджером по продукту (Product) над формированием будущих разработок, а затем руководить командой для их превосходной реализации.

🛠 Чем предстоит заниматься:

Управление командой и доставка результатов:

• Руководить, наставлять и развивать кросс-функциональную команду инженеров по AI и Python Backend инженеров, обеспечивая техническое качество, скорость разработки и культуру разработки.
• Отвечать за планирование спринтов, определение технического объема работ и обязательства по доставке результатов в области conversational AI и автоматизации водителей.
• Проводить обзоры архитектуры, определять стандарты кодирования и поддерживать качество разработки для кодовых баз IVR, чат-ботов и агентных систем.
• Выступать в качестве основного технического связующего звена между отделами разработки (Engineering), продукта (Product) и операций (Operations) по всем инициативам автоматизации, ориентированным на водителей.
• Сотрудничать с директором по R&D для формирования технической дорожной карты команды, оценки новых возможностей AI и определения перспективных направлений.

IVR и голосовая автоматизация:

• Отвечать за архитектуру и непрерывное совершенствование IVR-системы Snoonu, обеспечивая надежность, низкую задержку и четкие пути эскалации для звонков водителей.
• Принимать проектные решения по логике потока вызовов, управлению намерениями/слотами, маршрутизации DTMF и реализации голосовых команд.
• Определять и отслеживать SLA (Service Level Agreements) по времени безотказной работы IVR, частоте неправильной маршрутизации и соотношению эскалаций к человеку.

Conversational AI и чат-боты:

• Руководить проектированием и внедрением многоагентного AI-чат-бота Snoonu для поддержки водителей в каналах чата реального времени.
• Отвечать за архитектуру из четырех агентов — Координатор (Coordinator), Сборщик данных (Data Collector), Агент правил (Rules Agent) и Исполнитель действий (Action Executor) — работающую на AWS Bedrock Agents или аналогичной архитектуре.
• Обеспечивать надежную обработку намерений водителей потоками чат-бота: удаление заказов, несоответствие транспортных средств, продление ETA (Estimated Time of Arrival), споры с мерчантами и эскалации.
• Управлять циклами оценки LLM (Large Language Models), стратегией промптов (prompt strategy) и дизайном Bedrock Guardrails для обеспечения согласованности, безопасности и операционной корректности ответов.
• Интегрировать сервисы чат-ботов с системами управления заказами, CRM (Salesforce), операционными каналами Slack и приложениями для водителей через безопасные, событийно-ориентированные шаблоны.

Agentic AI и автоматизация SOP:

• Руководить созданием и эксплуатацией фреймворка SOP-as-Code — кодированием операционных SOP в машиночитаемые политики, выполняемые многоагентной системой.
• Отвечать за архитектуру Config File и конвейер Config Reader Agent, который преобразует SOP на основе PDF в развертываемые конфигурации агентов на AWS Bedrock.
• Управлять структурированным движком правил (схема условий/операторов/значений) для обеспечения детерминированных, аудируемых решений без двусмысленности интерпретации LLM.
• Проектировать и обеспечивать контрольные точки с участием человека (human-in-the-loop), триггеры эскалации, пороговые значения уверенности и возможности переопределения оператором.
• Внедрить практики версионирования, отката и безопасного развертывания изменений конфигурации SOP в производственной среде.

Инфраструктура AWS и MLOps:

• Отвечать за облачную основу для AI-сервисов: Lambda, ECS/Fargate, SQS/SNS, DynamoDB, MongoDB, S3, CloudWatch и AWS Bedrock.
• Создавать и поддерживать CI/CD (Continuous Integration/Continuous Deployment) конвейеры для версионирования промптов, развертывания конфигураций агентов и автоматических проверок перед развертыванием в продакшене.
• Определять стандарты наблюдаемости (observability): SLA по задержке на каждый ход агента, отслеживание затрат на Bedrock, обнаружение дрейфа и оповещение о сбоях.
• Руководить планированием мощностей и затрат по мере увеличения объемов взаимодействий в каналах водителей и операций.

R&D и инновации:

• Оценивать передовые LLM (Claude Sonnet/Opus, open-weight models) и фреймворки оркестрации (Bedrock Agents, LangGraph, CrewAI) с учетом операционных ограничений Snoonu.
• Определять и прототипировать новые AI-возможности, которые Snoonu должна освоить — от экспериментов до проверенных концепций с четкими критериями принятия решений (go/no-go).
• Создавать записи архитектурных решений (architecture decision records), руководства по промпт-инжинирингу (prompt engineering playbooks) и техническую документацию для использования всей командой.

Образование

• Степень бакалавра или магистра в области компьютерных наук, AI, инженерии программного обеспечения или смежной области.

Опыт

• 6–10 лет опыта в разработке программного обеспечения, из них не менее 3 лет на позиции Tech Lead или Engineering Manager.
• Подтвержденный опыт полного цикла внедрения в продакшн систем conversational AI, IVR или агентных систем — не только моделей, но и полного стека от архитектуры до мониторинга.
• Практический опыт многоагентной оркестрации на AWS Bedrock или эквивалентных агентных фреймворках (LangGraph, CrewAI, AutoGen).
• Предыдущий опыт руководства командой из 3–8 инженеров с подходом, ориентированным на наставничество и технический рост.
• Сильные навыки Python и backend разработки; способность писать, рецензировать и поддерживать высокий уровень производственного кода.
• Мультипликатор инженера: делает каждого инженера в команде быстрее и лучше благодаря руководству по дизайну, ревью кода и четкому техническому направлению.
• Ответственность без эго: определяет проблемы, проектирует решения, добивается результатов — отвечает за результаты по всей платформе, а не только за назначенные задачи.
• Операционная грамотность: понимание бизнес-контекста поддержки водителей, логистических операций и реальной стоимости сбоев в системах реального времени.
• Высокий уровень коммуникативных навыков: четко излагает компромиссы (надежность агента против уровня автоматизации, стоимость против задержки) нетехническим специалистам и влияет на решения по дорожной карте благодаря ясности мышления.
• Структурированность в условиях неопределенности: внедряет процессы и строгость в быстро развивающиеся R&D среды, где требования меняются вместе с процессом разработки.
• Ориентация на действие: быстро прототипирует, рано валидирует и итеративно поставляет результат — при этом поддерживая стандарты качества, предотвращающие производственные инциденты.
• Командный игрок и прямолинейность: заблаговременно сообщает об архитектурных рисках, возражает против нечетко сформулированных требований и выявляет компромиссы до того, как они станут блокираторами разработки.

Навыки

Conversational AI и LLM (ключевые)

• Глубокий опыт работы с AWS Bedrock — Agents, Knowledge Bases, Guardrails и вызов моделей; сильное предпочтение Claude Sonnet/Opus через Bedrock.
• Дизайн многоагентных систем: шаблоны оркестрации, агенты как инструменты, передача управления между агентами, распространение контекста и изоляция ошибок.
• Промпт-инжиниринг: дизайн системных промптов, структурированный вывод, использование инструментов, многошаговые рассуждения, итерации на основе оценки и красное тестирование (red-teaming) для безопасности.
• Структурированные движки правил: схемы условий/операторов/значений для детерминированной, неинтерпретируемой логики принятия решений — обязательно в производственных агентных системах.
• RAG (Retrieval-Augmented Generation) конвейеры: модели встраивания (embedding models), векторные базы данных (OpenSearch, Pinecone, pgvector), гибридный поиск и настройка баз знаний.

IVR и голос

• Архитектура IVR: дизайн потока вызовов, управление намерениями/слотами, обработка DTMF, маршрутизация к человеку для эскалации и мониторинг SLA.
• Опыт работы с STT/TTS (Speech-to-Text/Text-to-Speech) конвейерами или платформами голосовых ботов является большим плюсом.

Сервисы AWS (ключевые)

• Lambda, API Gateway, SQS/SNS, Step Functions, DynamoDB, S3, CloudWatch — событийно-ориентированные и бессерверные архитектуры.
• AWS Bedrock Agents: создание агентов, управление псевдонимами, настройка групп действий инструментов и управление политиками Guardrail.
• IAM, VPC, Secrets Manager — лучшие практики безопасности и окружения для развертывания AI-сервисов.
• CI/CD для AI-сервисов: версионирование промптов, конвейеры развертывания конфигураций агентов, автоматические проверки и ворота отката.

Backend и инженерия

• Python — async, OOP, чистый код; дизайн REST API с использованием FastAPI или Flask.
• MongoDB и DynamoDB — дизайн схем, индексирование, запросы и операционный мониторинг.
• Docker, ECS/Fargate; Git, автоматизированное тестирование и CI/CD рабочие процессы.
• Интеграция с Salesforce (API, события, синхронизация данных) является большим плюсом.

Бонусные баллы, если у вас есть:

• Знание логистики, доставки еды или доменно-операционной деятельности в реальном времени.
• NLP на арабском языке или опыт разработки для арабоязычных рынков.
• Знакомство с инференсом моделей с открытым весом (Ollama, vLLM, HuggingFace Transformers).
• Опыт работы с мультимодальным AI или дизайном голосовых интерфейсов.