О HighLevel:
HighLevel — это операционная система для бизнеса на базе ИИ, которая предоставляет агентствам, предпринимателям и малому и среднему бизнесу инфраструктуру для создания, автоматизации и масштабирования. Сегодня HighLevel поддерживает малый и средний бизнес в более чем 150 странах, способствуя росту, основанному на сообществе и реальных результатах клиентов.
На сегодняшний день компании, работающие на HighLevel, сгенерировали более 7 миллиардов долларов экосистемной стоимости, демонстрируя влияние общей инфраструктуры в масштабе. Централизуя общение, автоматизацию и аналитику в одной системе, мы помогаем компаниям двигаться быстрее, снижать сложность и эффективно работать.
За платформой HighLevel ежедневно обрабатывается более 4 миллиардов вызовов API и 2,5 миллиарда сообщений. При объеме распределенных данных в 250 терабайт, более 250 микросервисов и поддержке более 1 миллиона доменных имен наша архитектура создана для высокой производительности, отказоустойчивости и долгосрочной масштабируемости.
Наши люди
В HighLevel работает более 2000 сотрудников в более чем 10 странах. Мы являемся глобальной организацией с удаленным подходом, построенной на принципах скорости и ответственности. Мы ценим инициативу, ясность и исполнительность, создавая пространство для амбициозных людей, которые строят системы, поддерживающие миллионы бизнесов по всему миру. Здесь процветают инновации, приветствуются идеи, и люди — на первом месте, независимо от того, где они живут.
Наше влияние
Каждый месяц HighLevel обрабатывает более 1,5 миллиарда сообщений, 200 миллионов потенциальных клиентов и 20 миллионов разговоров для более чем 1 миллиона бизнесов, которые мы поддерживаем. За этими цифрами стоят реальные люди, которые строят свою независимость, расширяют возможности и создают измеримое влияние. Мы гордимся тем, что являемся частью этого.
Узнайте больше о нас на нашем YouTube-канале или в блогах.
О вакансии:
Мы ищем Staff Engineer (AI) для проектирования и создания агентных систем и основ ИИ в нашей команде Platform Services — команды, ответственной за общую инфраструктуру, внутренние инструменты и основные сервисы, на которых строят другие продуктовые команды.
Это глубоко практическая роль индивидуального контрибьютора: вы будете определять техническое направление, писать и рецензировать код, а также руководить проектированием систем, которые позволяют инженерным командам HighLevel надежно создавать, доставлять и эксплуатировать возможности на базе ИИ в корпоративном масштабе.
Что вы будете создавать:
- Агентные системы производственного уровня — многошаговые агенты, использующие инструменты, с оркестрацией, планированием, управлением памятью и контекстом, а также с участием человека — для автоматизации платформы и внутренних рабочих процессов разработки.
- Общую платформу ИИ для продуктовых команд: повторно используемые фреймворки для агентов, интеграции с инструментами и MCP, шлюз LLM (маршрутизация, ограничение скорости, кэширование, резервные варианты), а также управление версиями промптов/моделей.
- Оценку и наблюдаемость для систем ИИ — средства оценки, трассировку запусков агентов и метрики качества, задержки, стоимости и безопасности.
- Практики разработки на базе ИИ, повышающие скорость разработки — агентные рабочие процессы разработчиков, инструменты с поддержкой ИИ и автоматизация рутинных операционных задач.
- Облачную инфраструктуру для рабочих нагрузок ИИ в GCP/AWS, включая обеспечение ресурсами, масштабирование, безопасность и управление затратами на инференс и токены.
Что вы будете продвигать:
- Архитектура и масштабирование: Руководить и развивать архитектуру агентных систем и сервисов платформы ИИ, обеспечивая их надежность, расширяемость и производительность при нагрузке корпоративного масштаба.
- Культура, ориентированная на ИИ: Устанавливать и развивать культуру, ориентированную на ИИ, в команде Platform Services — делая инструменты ИИ и агентные рабочие процессы основным способом разработки и эксплуатации команды.
- Надежность и безопасность: Создавать агентов, которые безопасно выходят из строя — с ограждениями, ограниченными разрешениями, песочницами, защитой от внедрения промптов, аудиторскими журналами, плавным снижением производительности и четкими практиками управления инцидентами.
- Оценка и принятие решений на основе данных: Внедрять строгие практики оценки — офлайн-оценки, регрессионные наборы и мониторинг в продакшене — чтобы поведение агента можно было измерить и сравнить при изменении моделей и промптов. Использовать эти данные для приоритизации, оценки компромиссов и отчетности о качестве агента, состоянии платформы и затратах.
- Стоимость и эффективность: Обеспечивать постоянную оптимизацию затрат на инференс, токены и инфраструктуру без ущерба для качества или надежности — с измеримым, устойчивым влиянием.
- Техническое лидерство и наставничество: Устанавливать технические стандарты, руководить обзорами дизайна, наставлять инженеров и создавать культуру ответственности и мастерства в области ИИ-разработки во всей организации.
- Межфункциональное сотрудничество и коммуникация: Тесно сотрудничать с командами продуктовой разработки, SRE/инфраструктуры, безопасности и руководством для согласования возможностей платформы ИИ с потребностями организации, а также четко информировать о техническом направлении, рисках и прогрессе.
Как выглядит успех:
- Агентные системы надежно работают в продакшене при растущем масштабе, с четкими целевыми показателями качества, задержки и безопасности, которые отслеживаются и достигаются.
- Изменения агентов выпускаются с внедренными инструментами оценки и наблюдаемости, чтобы регрессии выявлялись до того, как их увидят клиенты.
- Продуктовые и платформенные команды используют общую платформу ИИ и воспринимают ее как надежный, хорошо документированный фундамент для дальнейшей работы.
- Затраты, связанные с ИИ, оптимизированы и предсказуемы, с четкой ответственностью за расходы в зависимости от использования.
- Команда Platform Services работает в режиме "AI-first", и инженерные команды заметно повышают свою скорость благодаря рабочим процессам и автоматизации на базе ИИ.
- Инженеры вокруг вас технически растут, и вы признаны авторитетом в области проектирования агентных систем.
Требования:
- Более 12 лет общего опыта в разработке программного обеспечения, включая значительное время работы в качестве старшего или штатного индивидуального контрибьютора.
- Минимум последний 1 год, посвященный проектированию агентных систем в продакшене — проектирование многошаговых агентов, использующих инструменты, оркестрации, управления памятью и контекстом, и ограждений, а не просто интеграция API LLM. Сторонник оркестрации ИИ-агентов в масштабе, надежно управляющий множеством агентов и рабочих процессов в разных командах.
- Мышление "AI-first" (обязательно) — активное использование инструментов ИИ в собственном рабочем процессе разработки, с возможностью устанавливать и продвигать культуру "AI-first" в команде Platform Services.
- Экспертный уровень владения Go, Python или Nodejs.
- Сильная практическая ориентация — уверенность в написании и рецензировании кода, отладке производственных проблем и глубоком погружении в архитектуру. Кандидаты, занимавшие чисто управленческую (не практическую) роль в течение последнего 1 года, не будут рассматриваться.
- Глубокое знание основ применения LLM — вызов инструментов/функций, MCP, инженерия извлечения и контекста, управление промптами и моделями, а также методологии оценки недетерминированных систем.
- Глубокое знание основ наблюдаемости, с обширным опытом в области наблюдаемости ИИ — отслеживание запусков агентов и мониторинг качества, задержки, стоимости и безопасности в продакшене — с использованием таких инструментов, как Prometheus, Grafana, ELK/OpenSearch или эквивалентных.
- Глубокое понимание архитектуры распределенных систем — согласованность, доступность, отказоустойчивость, шаблоны масштабирования и компромиссы при масштабировании.
- Экономически сознательный подход по дизайну — подтвержденный опыт измеримой оптимизации затрат в корпоративной облачной среде, включая управление расходами на инференс LLM и токены через маршрутизацию моделей, кэширование и бюджеты.
- Практический опыт управления сервисами GCP и/или AWS — обеспечение ресурсами, масштабирование, IAM, сетевые настройки и управление затратами.
- Предыдущий опыт работы индивидуальным контрибьютором в платформенных командах не менее 3 лет, в корпоративном масштабе.
- Подтвержденная способность к техническому лидерству без полномочий — написание проектной документации, согласование между командами и наставничество инженеров.
- Подход к принятию решений, приоритизации и отчетности о производительности, основанный на данных.
- Отличные устные и письменные коммуникативные навыки, способность влиять как на технических, так и на нетехнических заинтересованных сторон.
- Желательно: вклад в open-source или опубликованные работы по агентным системам.
