Fingerprint empowers enterprises to detect and stop online fraud with the world’s most accurate device intelligence. We lead our industry with bleeding-edge identification capabilities and work on turning new ideas and discoveries in the fraud detection space into reality. Our customers range from innovative startups to leading enterprise companies, including Plaid, Dropbox, and Booking.com.

Fingerprint is a globally dispersed, 100% remote company. We were named on on the 2026 Forbes Best Startup Employers list and ranked #803 on the 2026 Inc. 5000 list of America’s fastest-growing private companies.

We have raised $77M and are backed by Craft Ventures ( Tesla, Facebook, Airbnb ), Nexus Venture Partners ( Postman , Apollo.io, MinIO , Druva) and Uncorrelated Ventures ( Redis, Rollbar, Gradle ).

The Role in Context

Fingerprint's device intelligence platform processes billions of identification events for companies that need to know who — or what — is on the other end of a request. Increasingly, the answer is not a person. AI agents, AI assistants, crawlers, headless browsers, and malicious automation now make up a large and fast-growing share of internet traffic, and telling them apart from humans — and from each other — is becoming one of the most important problems our customers ask us to solve.

We are standing up a dedicated Automation Intelligence engineering team to own that problem end to end: detection in the browser, detection at the edge, the classification taxonomy that tells customers what kind of automation they're seeing and how confident we are, and the API that customers and their agents call.

We're looking for an Engineering Manager to lead this team. You'll inherit a small, senior group (three engineers to start, growing to four or five) and a clear mandate. You report directly to the VP of Engineering.

Your Mission

Ship the product — Take the automation intelligence product through Beta to GA, and then to a standalone commercial launch. You own engineering readiness: scope, estimates, service reliability, operating limits, API and MCP coverage, and the evidence that it's ready
Make detection accurate and keep it that way — Build the team's quality loop: a test corpus of known bots, agents, and automation frameworks; continuous false-positive and false-negative testing; a regression test for every confirmed gap; and coverage benchmarked against the best in the industry. Detection quality is the product
Build a team that runs itself — Set the team up so adding a detection, shipping a change, or running a staged rollout doesn't depend on another team's calendar. Grow the engineers, hire the next seats, and create an environment where senior people do their best work
Lead the AI-native engineering model — AI agents write the code by default and engineers decide what gets built and whether it's right. You'll operate that model, measure it honestly, and produce the playbook the rest of engineering adopts

What You'll Do

Delivery & Product Readiness

Own the engineering plan for Beta → GA → standalone launch: PRD partnership with the product manager, estimates, sequencing, and the readiness evidence that gates each stage
Define and prove the service's operating envelope — throughput, latency tails, rate limiting, availability SLOs — before customers depend on it
Run staged rollouts for detection changes that affect customer bot rates, with feature flags, rollback, and clear go/no-go evidence for customer-facing teams
Turn design-partner feedback and customer-reported false positives into prioritized, owned engineering work

Detection Quality & Coverage

Stand up and run a weekly detection quality loop: prioritized test corpus, automated FP/FN testing across browser and edge detection, regression coverage, and drift monitoring
Drive coverage of the automation that matters most to customers — AI agents and assistants first — benchmarked against industry leaders, and prioritized by customer exposure rather than catalogue size
Guide the hard problems: self-hosted agents, stealth and anti-detect browser automation, and fingerprinting agent infrastructure across browser, network, and runtime evidence
Evolve the classification contract from "automation detected" to rich agent context — automation type, verified vs. inferred identity, confidence, and reason codes — and keep detection and attribution measured separately

Team Leadership

Manage, coach, and grow a team of senior engineers; run hiring for the next seats, starting with a detection research and quality engineer
Set the team's goals against its charter and bring them to leadership for alignment, not approval; communicate decisions as intent with reasoning before acting
Establish healthy engineering practice from day one: written ownership lines, review tiers per repository, specs before epics, and baselines for cycle time, throughput, predictability, change failure rate, and recovery time
Negotiate clean working agreements with the sibling team the codebase is shared with today, and drive gradual decoupling prioritized by what blocks independent deploys

AI-Native Engineering

Operate the agent-first development model: spec → coding agent → review agent → security review → human merge, with low-risk changes merging on agent approval and mandatory human review on critical paths
Treat the agent harness — repository instructions, skills, review personas — as infrastructure maintained like code, and publish it so other teams start ahead
Measure the model against the team's own baseline, run 30- and 60-day reviews, and write up what worked and what didn't for the rest of engineering

Contract-First APIs

Ensure every surface the team ships is contract-first: OpenAPI in the repo, breaking-change detection in CI, generated docs and SDKs, and the API kept readable by both developers and AI agents
Own the team's observability: logs, metrics, traces, and SLOs for the detection service

What We're Looking For

Required

Engineering management experience: 3+ years managing software engineers, ideally including senior and staff-level ICs, with a track record of shipping products — not just features — through launch
Strong technical foundation: 8+ years in software engineering before or alongside management. You can read a design doc and a PR critically, engage senior engineers on architecture, and make technical calls when the team is split
Relevant domain depth in at least one of: bot detection or bot management, fraud or abuse prevention, web security, browser or client-side engineering, or high-volume API services. You understand that this is an adversarial problem where the other side adapts
Quality-driven mindset: Experience building or running measurement-driven engineering — test corpora, precision/recall or FP/FN tracking, regression suites, SLOs — and using that data to prioritize
Hands-on with AI coding tools: You use AI coding agents in your own work, have opinions about where they help and where they don't, and are excited to lead a team where they are the default
Cross-functional operator: You've worked closely with product managers, researchers, and customer-facing teams, and you're comfortable making dependencies and trade-offs explicit rather than absorbing them
Clear communicator: You write well, make decisions visible with your reasoning, and can explain detection quality and launch readiness to executives and customers alike

Nice to Have

Direct experience with bot detection, bot management, or anti-automation products (e.g. at a CDN, WAF, fraud, or security vendor)
Familiarity with AI agent ecosystems : agent frameworks, verified-agent protocols, and how agents interact with websites and APIs
Experience with browser internals or headless/automation frameworks and the techniques used to detect or evade them
Experience running API-first products with public OpenAPI specs, SDKs, and MCP or similar agent-facing surfaces
Experience forming a new team out of an existing one — separating codebases, setting ownership lines, and keeping the sibling relationship healthy
Experience in a high-growth SaaS company with enterprise customers

The Shape of This Role

This is a hands-on-adjacent engineering manager role for a small, senior, high-leverage team. You are not expected to write the production code — your engineers and their agents do that — but you are expected to be close enough to it to set direction, evaluate the work, and hold the quality bar.

The team has unusual autonomy and unusual visibility. It owns a product that leadership considers strategically critical, it is the first team operating Fingerprint's AI-native engineering model, and its results — good and bad — will be used as evidence for how the rest of engineering works. That means two things: you'll have real room to decide how the team operates, and you'll need to be honest about what the data shows.

In the first 90 days you will likely: finalize the roster and ownership lines with the sibling team, get the quality loop and engineering baselines running, deliver the engineering evidence for the Beta gate, and run the first review of the AI-native operating model.

Why This Role?

A problem that is getting harder and more important every quarter: The internet is filling with agents. Customers need to tell useful automation from abuse, and the answer isn't "block everything." The team that solves this well defines a category
A product with a clear path to market: Beta to GA to standalone launch, with product, go-to-market, and executive support already lined up
A senior team and a dedicated PM from day one: You're not starting from zero. The engineers already know the problem; your job is to focus them and remove what's in their way
Lead how engineering will work next: AI-native development, contract-first APIs, and a self-directed team model — piloted here first, with your findings shaping the whole organization
VP direct line: You report to the VP of Engineering, set your own goals against a clear charter, and bring recommendations rather than requests for direction

Compensation & Transparency

At Fingerprint, we believe in pay transparency — it's part of how we operate as a distributed, remote-first team. Salaries are based on function, level, and geographic location, benchmarked against similar stage growth companies.

Because this role is open across the United States and can be based anywhere our team members work from, the salary range reflects that geographic breadth: $159k - $215k

Some example salaries for specific locations are below:

NYC: $187k - $215k
Chicago: $159k - $183k

Final offer amounts are determined by multiple factors, including the successful candidate's location, experience, and expertise, and may vary from the amounts listed above.

Due to regulatory and security reasons, there’s a small number of countries where we cannot have Fingerprint teammates based. Additionally, because Fingerprint is an all-remote company and people can join our workforce from almost any country, we do not sponsor visas. Fingerprint teammates need to be authorized to work from their home location.

We are dedicated to creating an inclusive work environment for everyone. We embrace and celebrate the unique experiences, perspectives and cultural backgrounds that each employee brings to our workplace. Fingerprint strives to foster an environment where our employees feel respected, valued and empowered, and our team members are at the forefront in helping us promote and sustain an inclusive workplace. We highly encourage people from underrepresented groups in tech to apply.

If you are applying as a resident of California, please read our CCPA notice here.

If you are applying as a resident of the EU, please read our GDPR notice here.

We have noticed a rise in recruiting impersonations across the industry, where scammers attempt to access candidates' personal and financial information through fake interviews and offers. All Fingerprint recruiting email communications will always come from the @fingerprint.com domain. Any outreach claiming to be from Fingerprint via other sources should be ignored.

We have raised $77M and are backed by Craft Ventures ( Tesla, Facebook, Airbnb ), Nexus Venture Partners ( Postman , Apollo.io, MinIO , Druva) and Uncorrelated Ventures ( Redis, Rollbar, Gradle ).

The Role in Context

Your Mission

Ship the product — Take the automation intelligence product through Beta to GA, and then to a standalone commercial launch. You own engineering readiness: scope, estimates, service reliability, operating limits, API and MCP coverage, and the evidence that it's ready
Make detection accurate and keep it that way — Build the team's quality loop: a test corpus of known bots, agents, and automation frameworks; continuous false-positive and false-negative testing; a regression test for every confirmed gap; and coverage benchmarked against the best in the industry. Detection quality is the product
Build a team that runs itself — Set the team up so adding a detection, shipping a change, or running a staged rollout doesn't depend on another team's calendar. Grow the engineers, hire the next seats, and create an environment where senior people do their best work
Lead the AI-native engineering model — AI agents write the code by default and engineers decide what gets built and whether it's right. You'll operate that model, measure it honestly, and produce the playbook the rest of engineering adopts

What You'll Do

Delivery & Product Readiness

Own the engineering plan for Beta → GA → standalone launch: PRD partnership with the product manager, estimates, sequencing, and the readiness evidence that gates each stage
Define and prove the service's operating envelope — throughput, latency tails, rate limiting, availability SLOs — before customers depend on it
Run staged rollouts for detection changes that affect customer bot rates, with feature flags, rollback, and clear go/no-go evidence for customer-facing teams
Turn design-partner feedback and customer-reported false positives into prioritized, owned engineering work

Detection Quality & Coverage

Stand up and run a weekly detection quality loop: prioritized test corpus, automated FP/FN testing across browser and edge detection, regression coverage, and drift monitoring
Drive coverage of the automation that matters most to customers — AI agents and assistants first — benchmarked against industry leaders, and prioritized by customer exposure rather than catalogue size
Guide the hard problems: self-hosted agents, stealth and anti-detect browser automation, and fingerprinting agent infrastructure across browser, network, and runtime evidence
Evolve the classification contract from "automation detected" to rich agent context — automation type, verified vs. inferred identity, confidence, and reason codes — and keep detection and attribution measured separately

Team Leadership

Manage, coach, and grow a team of senior engineers; run hiring for the next seats, starting with a detection research and quality engineer
Set the team's goals against its charter and bring them to leadership for alignment, not approval; communicate decisions as intent with reasoning before acting
Establish healthy engineering practice from day one: written ownership lines, review tiers per repository, specs before epics, and baselines for cycle time, throughput, predictability, change failure rate, and recovery time
Negotiate clean working agreements with the sibling team the codebase is shared with today, and drive gradual decoupling prioritized by what blocks independent deploys

AI-Native Engineering

Operate the agent-first development model: spec → coding agent → review agent → security review → human merge, with low-risk changes merging on agent approval and mandatory human review on critical paths
Treat the agent harness — repository instructions, skills, review personas — as infrastructure maintained like code, and publish it so other teams start ahead
Measure the model against the team's own baseline, run 30- and 60-day reviews, and write up what worked and what didn't for the rest of engineering

Contract-First APIs

Ensure every surface the team ships is contract-first: OpenAPI in the repo, breaking-change detection in CI, generated docs and SDKs, and the API kept readable by both developers and AI agents
Own the team's observability: logs, metrics, traces, and SLOs for the detection service

What We're Looking For

Required

Engineering management experience: 3+ years managing software engineers, ideally including senior and staff-level ICs, with a track record of shipping products — not just features — through launch
Strong technical foundation: 8+ years in software engineering before or alongside management. You can read a design doc and a PR critically, engage senior engineers on architecture, and make technical calls when the team is split
Relevant domain depth in at least one of: bot detection or bot management, fraud or abuse prevention, web security, browser or client-side engineering, or high-volume API services. You understand that this is an adversarial problem where the other side adapts
Quality-driven mindset: Experience building or running measurement-driven engineering — test corpora, precision/recall or FP/FN tracking, regression suites, SLOs — and using that data to prioritize
Hands-on with AI coding tools: You use AI coding agents in your own work, have opinions about where they help and where they don't, and are excited to lead a team where they are the default
Cross-functional operator: You've worked closely with product managers, researchers, and customer-facing teams, and you're comfortable making dependencies and trade-offs explicit rather than absorbing them
Clear communicator: You write well, make decisions visible with your reasoning, and can explain detection quality and launch readiness to executives and customers alike

Nice to Have

Direct experience with bot detection, bot management, or anti-automation products (e.g. at a CDN, WAF, fraud, or security vendor)
Familiarity with AI agent ecosystems : agent frameworks, verified-agent protocols, and how agents interact with websites and APIs
Experience with browser internals or headless/automation frameworks and the techniques used to detect or evade them
Experience running API-first products with public OpenAPI specs, SDKs, and MCP or similar agent-facing surfaces
Experience forming a new team out of an existing one — separating codebases, setting ownership lines, and keeping the sibling relationship healthy
Experience in a high-growth SaaS company with enterprise customers

The Shape of This Role

Why This Role?

A problem that is getting harder and more important every quarter: The internet is filling with agents. Customers need to tell useful automation from abuse, and the answer isn't "block everything." The team that solves this well defines a category
A product with a clear path to market: Beta to GA to standalone launch, with product, go-to-market, and executive support already lined up
A senior team and a dedicated PM from day one: You're not starting from zero. The engineers already know the problem; your job is to focus them and remove what's in their way
Lead how engineering will work next: AI-native development, contract-first APIs, and a self-directed team model — piloted here first, with your findings shaping the whole organization
VP direct line: You report to the VP of Engineering, set your own goals against a clear charter, and bring recommendations rather than requests for direction

Compensation & Transparency

Because this role is open across the United States and can be based anywhere our team members work from, the salary range reflects that geographic breadth: $159k - $215k

Some example salaries for specific locations are below:

NYC: $187k - $215k
Chicago: $159k - $183k

Final offer amounts are determined by multiple factors, including the successful candidate's location, experience, and expertise, and may vary from the amounts listed above.

If you are applying as a resident of California, please read our CCPA notice here.

If you are applying as a resident of the EU, please read our GDPR notice here.

Fingerprint помогает предприятиям обнаруживать и пресекать онлайн-мошенничество с помощью самой точной в мире информации об устройствах. Мы лидируем в нашей отрасли благодаря передовым возможностям идентификации и работаем над воплощением в жизнь новых идей и открытий в области обнаружения мошенничества. Наши клиенты — от инновационных стартапов до ведущих корпоративных компаний, включая Plaid, Dropbox и Booking.com.

Fingerprint — это глобально распределенная, полностью удаленная компания. Мы были включены в список Forbes Best Startup Employers 2026 и заняли 803-е место в списке Inc. как самые быстрорастущие частные компании Америки.

Мы привлекли 77 миллионов долларов и поддерживаемся Craft Ventures (Tesla, Facebook, Airbnb), Nexus Venture Partners (Postman, Apollo.io, MinIO, Druva) и Uncorrelated Ventures (Redis, Rollbar, Gradle).

Роль в контексте

Платформа Fingerprint для анализа информации об устройствах обрабатывает миллиарды событий идентификации для компаний, которым необходимо знать, кто — или что — находится на другом конце запроса. Все чаще ответом является не человек. AI-агенты, AI-ассистенты, краулеры, headless-браузеры и вредоносная автоматизация теперь составляют большую и быстрорастущую долю интернет-трафика, и отличить их от людей — и друг от друга — становится одной из важнейших проблем, которые просят решить наши клиенты.

Мы формируем выделенную команду инженеров по автоматизации, которая будет полностью отвечать за эту проблему: обнаружение в браузере, обнаружение на периферии, таксономию классификации, которая сообщает клиентам, какой тип автоматизации они видят и насколько мы уверены, а также API, к которому обращаются клиенты и их агенты.

Мы ищем инженера-менеджера для руководства этой командой. Вы примете в свое управление небольшую, опытную группу (три инженера на старте, с ростом до четырех или пяти) и четкий мандат. Вы будете подчиняться непосредственно вице-президенту по инжинирингу.

Это роль инженера-менеджера, близкая к практической работе, для небольшой, опытной команды с высоким рычагом воздействия. От вас не ожидается написание производственного кода — за это отвечают ваши инженеры и их агенты — но ожидается, что вы будете достаточно близки к нему, чтобы задавать направление, оценивать работу и поддерживать планку качества.

Команда обладает необычайной автономией и необычайной видимостью. Она отвечает за продукт, который руководство считает стратегически важным, она является первой командой, применяющей AI-нативную модель инжиниринга Fingerprint, и ее результаты — как хорошие, так и плохие — будут использоваться в качестве доказательства того, как работает остальная часть инжиниринга. Это означает две вещи: у вас будет реальная свобода решать, как работает команда, и вам нужно будет честно говорить о том, что показывают данные.

В первые 90 дней вы, вероятно, будете: завершать состав команды и линии ответственности с соседней командой, запускать цикл качества и базовые инженерные показатели, предоставлять инженерные доказательства для этапа Beta и проводить первый обзор AI-нативной операционной модели.

Почему эта роль?

Проблема, которая становится все сложнее и важнее с каждым кварталом: Интернет заполняется агентами. Клиентам необходимо отличать полезную автоматизацию от злоупотреблений, и ответ не в том, чтобы "блокировать все". Команда, которая хорошо решит эту задачу, определит категорию
Продукт с четким путем на рынок: от Beta до GA до самостоятельного запуска, с уже согласованной поддержкой продукта, вывода на рынок и руководства
Опытная команда и выделенный PM с первого дня: Вы начинаете не с нуля. Инженеры уже знают проблему; ваша задача — сфокусировать их и устранить препятствия на их пути
Руководить тем, как инжиниринг будет работать в будущем: AI-нативная разработка, API, основанные на контрактах, и модель самоуправляемой команды — пилотируемые здесь первыми, ваши выводы будут формировать всю организацию
Прямая связь с VP: Вы подчиняетесь вице-президенту по инжинирингу, устанавливаете собственные цели в соответствии с четким мандатом и предоставляете рекомендации, а не запросы на направление

Выпускать продукт — Провести продукт автоматизации через этапы Beta до General Availability (GA), а затем до самостоятельного коммерческого запуска. Вы отвечаете за готовность инжиниринга: объем работ, оценки, надежность сервиса, рабочие лимиты, покрытие API и MCP, а также доказательства его готовности
Обеспечивать точность обнаружения и поддерживать ее — Создать цикл качества команды: тестовый корпус известных ботов, агентов и фреймворков автоматизации; непрерывное тестирование ложных срабатываний (FP) и пропусков (FN); регрессионное тестирование каждого подтвержденного пробела; и оценку покрытия по сравнению с лучшими в отрасли. Качество обнаружения — это продукт
Создать команду, которая работает автономно — Настроить команду так, чтобы добавление обнаружения, выпуск изменений или поэтапное развертывание не зависели от календаря другой команды. Развивать инженеров, нанимать на следующие позиции и создавать среду, в которой опытные специалисты демонстрируют наилучшие результаты
Руководить AI-нативной моделью инжиниринга — AI-агенты пишут код по умолчанию, а инженеры решают, что должно быть построено и правильно ли это. Вы будете управлять этой моделью, честно измерять ее и создавать руководство, которое будет принято остальной частью инжиниринга

Поставка и готовность продукта

Отвечать за план инжиниринга для этапов Beta → GA → самостоятельный запуск: партнерство с менеджером продукта по PRD, оценки, последовательность и доказательства готовности, которые определяют каждый этап
Определить и доказать рабочий диапазон сервиса — пропускную способность, задержки, ограничения скорости, SLO доступности — прежде чем клиенты начнут на него полагаться
Проводить поэтапные развертывания изменений обнаружения, влияющих на частоту использования ботов клиентами, с использованием флагов функций, отката и четких доказательств «go/no-go» для клиентских команд
Преобразовывать обратную связь от дизайн-партнеров и сообщения клиентов о ложных срабатываниях в приоритезированную, собственную инженерную работу

Качество и покрытие обнаружения

Создать и проводить еженедельный цикл качества обнаружения: приоритезированный тестовый корпус, автоматизированное тестирование FP/FN для обнаружения в браузере и на периферии, регрессионное покрытие и мониторинг отклонений
Обеспечить покрытие наиболее важной для клиентов автоматизации — в первую очередь AI-агентов и ассистентов — сравнивая с лидерами отрасли, и приоритизируя по степени воздействия на клиента, а не по размеру каталога
Руководить решением сложных задач: самохостинг агентов, обфускация и анти-детекционные методы автоматизации браузеров, а также инфраструктура для фингерпринтинга агентов на уровне браузера, сети и времени выполнения
Развивать контракт классификации от «обнаружена автоматизация» до богатого контекста агента — тип автоматизации, подтвержденная или предполагаемая личность, уверенность и коды причин — и поддерживать раздельное измерение обнаружения и атрибуции

Руководство командой

Управлять, обучать и развивать команду опытных инженеров; проводить найм на следующие позиции, начиная с инженера-исследователя и специалиста по качеству обнаружения
Ставить цели команды в соответствии с ее мандатом и представлять их руководству для согласования, а не для утверждения; сообщать о решениях как о намерениях с обоснованием перед действием
Установить с первого дня здоровые инженерные практики: письменные линии ответственности, уровни ревью для каждого репозитория, спецификации перед эпиками, и базовые показатели времени цикла, пропускной способности, предсказуемости, коэффициента неудачных изменений и времени восстановления
Договариваться о четких рабочих соглашениях с соседней командой, с которой сегодня разделяется кодовая база, и постепенно управлять разделением, приоритизируя по тому, что блокирует независимые развертывания

AI-нативный инжиниринг

Управлять моделью разработки, ориентированной на агентов: спецификация → кодирование агента → ревью агента → проверка безопасности → слияние человеком, с низкорисковыми изменениями, сливающимися после одобрения агентом, и обязательным человеческим ревью на критических путях
Относиться к окружению агента — инструкциям репозитория, навыкам, ролям ревьюера — как к инфраструктуре, поддерживаемой как код, и публиковать его, чтобы другие команды стартовали с лучшими условиями
Измерять модель на основе собственной базовой линии команды, проводить 30- и 60-дневные обзоры и документировать, что сработало, а что нет, для остальной части инжиниринга

API, основанные на контрактах

Обеспечить, чтобы каждая поверхность, которую команда выпускает, соответствовала принципу "контракт — прежде всего": OpenAPI в репозитории, обнаружение нарушений обратной совместимости в CI, сгенерированные документы и SDK, и API, который остается читаемым как для разработчиков, так и для AI-агентов
Отвечать за наблюдаемость команды: логи, метрики, трассировки и SLO для сервиса обнаружения

Обязательно

Опыт управления инжинирингом: более 3 лет управления инженерами-программистами, желательно включая опытных и высокоуровневых индивидуальных контрибьюторов, с доказанным опытом выпуска продуктов — а не только функций — до финального запуска
Прочный технический фундамент: более 8 лет в разработке ПО до или параллельно с управлением. Вы можете критически читать проектную документацию и PR, обсуждать архитектуру с опытными инженерами и принимать технические решения, когда команда разделена
Глубокие знания в соответствующей области: как минимум в одной из областей: обнаружение ботов или управление ботами, предотвращение мошенничества или злоупотреблений, веб-безопасность, разработка для браузеров или клиентской стороны, или высокопроизводительные API-сервисы. Вы понимаете, что это антагонистическая проблема, где противник адаптируется
Ориентация на качество: опыт создания или управления инженерными процессами, основанными на измерениях — тестовые корпуса, отслеживание точности/полноты или FP/FN, регрессионные наборы, SLO — и использование этих данных для приоритизации
Практический опыт работы с инструментами AI-кодирования: Вы используете AI-кодирующих агентов в своей работе, имеете собственное мнение о том, где они помогают, а где нет, и готовы руководить командой, где они являются стандартом
Кросс-функциональный оператор: Вы тесно сотрудничали с менеджерами продуктов, исследователями и клиентскими командами, и вам комфортно явно указывать зависимости и компромиссы, а не принимать их
Четкий коммуникатор: Вы хорошо пишете, делаете решения видимыми с обоснованием и можете объяснить качество обнаружения и готовность к запуску как руководителям, так и клиентам

Прямой опыт работы с продуктами для обнаружения ботов, управления ботами или борьбы с автоматизацией (например, в CDN, WAF, компаниях, занимающихся мошенничеством или безопасностью)
Знакомство с экосистемами AI-агентов: фреймворки агентов, протоколы верифицированных агентов и то, как агенты взаимодействуют с веб-сайтами и API
Опыт работы с внутренними механизмами браузеров или фреймворками headless/автоматизации и методами, используемыми для их обнаружения или обхода
Опыт работы с API-продуктами с публичными спецификациями OpenAPI, SDK и поверхностями, ориентированными на агентов, такими как MCP или аналогичные
Опыт формирования новой команды из существующей — разделение кодовых баз, установление линий ответственности и поддержание здоровых отношений с соседней командой
Опыт работы в быстрорастущей SaaS-компании с корпоративными клиентами

В Fingerprint мы верим в прозрачность оплаты труда — это часть того, как мы работаем как распределенная, удаленная команда. Зарплаты зависят от функции, уровня и географического положения, сравниваются с компаниями аналогичной стадии роста.

Поскольку эта должность открыта по всей территории США и может базироваться в любом месте, где работают члены нашей команды, диапазон зарплат отражает этот географический охват: 159 000–215 000 долларов США.

Примеры зарплат для конкретных мест приведены ниже:

Нью-Йорк: 187 000–215 000 долларов США
Чикаго: 159 000–183 000 долларов США

Окончательные предложения определяются множеством факторов, включая местоположение, опыт и знания успешного кандидата, и могут отличаться от указанных выше сумм.

По регуляторным причинам и соображениям безопасности существует небольшое количество стран, в которых мы не можем размещать сотрудников Fingerprint. Кроме того, поскольку Fingerprint является полностью удаленной компанией, и люди могут присоединиться к нашей рабочей силе практически из любой страны, мы не спонсируем визы. Сотрудники Fingerprint должны иметь разрешение на работу из своего места жительства.

Мы стремимся создать инклюзивную рабочую среду для всех. Мы ценим и отмечаем уникальный опыт, взгляды и культурное происхождение, которые каждый сотрудник приносит в наше рабочее место. Fingerprint стремится создать среду, в которой наши сотрудники чувствуют себя уважаемыми, ценными и уполномоченными, и наши сотрудники находятся на переднем крае в содействии и поддержании инклюзивной рабочей среды. Мы настоятельно призываем подавать заявки представителей групп, недостаточно представленных в технологическом секторе.

Детали

Сопроводительное письмо к вакансии

Описание

The Role in Context

Your Mission

What You'll Do

Delivery & Product Readiness

Detection Quality & Coverage

Team Leadership

AI-Native Engineering

Contract-First APIs

What We're Looking For

Required

Nice to Have

The Shape of This Role

Why This Role?

Compensation & Transparency

Подходит ли тебе эта вакансия?

Похожие вакансии

Engineering Manager, Customer Trust

Engineering Manager, Security

Engineering Manager

Senior Manager, Professional Services Engineering

Manager, Software Engineering - External Platform

VP, Engineering

Senior Engineering Manager - Partner Ecosystem

Engineering Manager, AI CICD

Enterprise Security Engineer, Vulnerability Management

VP of Engineering

Manager, Engineering - Product

Senior Technical Program Manager, Partner Ecosystem

Детали

Сопроводительное письмо к вакансии

Описание

The Role in Context

Your Mission

What You'll Do

Delivery & Product Readiness

Detection Quality & Coverage

Team Leadership

AI-Native Engineering

Contract-First APIs

What We're Looking For

Required

Nice to Have

The Shape of This Role

Why This Role?

Compensation & Transparency

Подходит ли тебе эта вакансия?

Похожие вакансии

Engineering Manager, Customer Trust

Engineering Manager, Security

Engineering Manager

Senior Manager, Professional Services Engineering

Manager, Software Engineering - External Platform

VP, Engineering

Senior Engineering Manager - Partner Ecosystem

Engineering Manager, AI CICD

Enterprise Security Engineer, Vulnerability Management

VP of Engineering

Manager, Engineering - Product

Senior Technical Program Manager, Partner Ecosystem

О вакансии

Роль в контексте

Почему эта роль?

Задачи

Поставка и готовность продукта

Качество и покрытие обнаружения

Руководство командой

AI-нативный инжиниринг

API, основанные на контрактах

Требования

Обязательно

Будет плюсом

Условия

Ключевые навыки

Оценка зарплаты

Оценка зарплаты