Azumo разрабатывает и эксплуатирует производственные ИИ-системы для компаний от стартапов на ранних стадиях до Meta. Мы ищем AI Engineer, который будет отвечать за то, что делают эти системы после их запуска: конвейеры извлечения данных, агенты, использующие инструменты, механизмы оценки и системы защиты, которые обеспечивают их надежность перед реальными пользователями. Эта роль полностью удаленная по всей Латинской Америке, с учетом рабочего дня клиента.
Вы не будете создавать демонстрации. Azumo поставляет производственный ИИ с 2016 года, и здесь работа начинается там, где заканчивается прототип, делая систему надежной, измеримой и достаточно доступной для размещения перед клиентами.
Где находится эта роль
Инженерная организация Azumo построена вокруг четырех направлений. Инженер данных (Data Engineer) отвечает за конвейеры, хранилища и уровень извлечения данных. Специалист по данным (Data Scientist) отвечает за постановку задачи и метод. Инженер-программист (Software Engineer) отвечает за поставку продуктов с дополненным ИИ. Эта роль — направление AI Engineer, и она отвечает за поведение в производственной среде.
Один вопрос определяет границу: когда результат неверен, чья это проблема? «Метод был неподходящим» — это вопрос для Data Scientist. «Система сделала что-то не так с подходящим методом» — это ваша проблема.
Не совсем ваш профиль? Ознакомьтесь с другими нашими вакансиями:
- Если вы создаете конвейеры и модели уровня извлечения данных, от которых зависят другие — Data Engineer
- Если вы решаете, что измерять и какой метод использовать для ответа — Data Scientist
- Если вы поставляете программное обеспечение для продуктов с агентами в вашем инструментарии — AI-Augmented Software Engineer
- Если вы делали все вышеперечисленное и напрямую отчитывались перед клиентом — Forward Deployed Engineer
Что вы будете создавать
- Системы извлечения данных. Конвейеры чанкинга и встраивания, гибридный поиск, реранжирование и оценка качества извлечения данных, построенные на pgvector, Pinecone, Qdrant, FAISS или Azure AI Search.
- Агентные рабочие процессы. Состояние многошагового выполнения, вызовы инструментов, MCP-серверы, принудительное соблюдение структурированного вывода, управление контекстным окном, детерминированные резервные механизмы и точки контроля «человек в цикле» для решений, которые в них нуждаются.
- Оценка. Тестовые наборы, отражающие фактическое решение, принимаемое системой, оценка «модель как судья», отслеживание регрессии при изменениях промптов и моделей, а также честный анализ ошибок. Если изменение улучшило систему, вы должны уметь это доказать.
- Надежность и безопасность. Защита от инъекций промптов, проверка выходных данных, системы защиты, обработка PII и плавное снижение производительности при сбое модели или вызова инструмента.
- Эксплуатация в производственной среде. Контейнерное развертывание на Azure или AWS, CI/CD, наблюдаемость и явные бюджеты по задержкам, стоимости и токенам, которыми вы управляете, а не обнаруживаете после получения счета.
Работайте в среде клиента. Их репозитории, их стендапы, иногда их звонки с клиентами. Azumo имеет сертификат SOC 2, код клиента остается в репозиториях клиента, а некоторые проекты имеют дополнительные требования, такие как HIPAA.
Как мы работаем
Наши инженеры ежедневно создают с помощью ИИ. Claude Code, Codex и аналогичные инструменты являются частью стандартного набора инструментов здесь, а не экспериментом. Мы проводим автоматический аудит всего кодовой базы с первого дня и каждый последующий день, оценивая безопасность, стоимость и архитектурные находки по степени серьезности с указанием точного файла и строки, чтобы небольшая команда могла быстро двигаться вперед без снижения качества. Мы придерживаемся нейтралитета в отношении поставщиков, работая с моделями OpenAI, Anthropic и моделями с открытым весом, и используем Valkyrie, наш собственный производственный слой, когда правильным решением является единый интерфейс к любой модели.
О Azumo
Azumo — это компания по разработке программного обеспечения, базирующаяся в Сан-Франциско, которая создает интеллектуальные приложения с 2016 года. Мы предоставляем команды инженеров по ИИ, работающих поблизости, организациям, которым нужен производственный ИИ быстрее, чем они могут нанять для него специалистов: в качестве встроенной инженерной команды, в качестве дополнения к существующей команде специалистов по ИИ или в качестве полной разработки проекта. Наши инженеры работают из Латинской Америки, с учетом часовых поясов США, и работали для Twitter, Meta, Discovery Channel, Omnicom, UnitedHealth и CENTEGIX.
Мы нанимаем опытных специалистов и проверяем их, прежде чем кто-либо присоединится к команде клиента. Мы поддерживаем инженеров в углублении знаний в современном стеке ИИ и уделяем время работе над open-source, обучению сообщества и благотворительности.
Подавайте заявку на [ссылка] или пишите нам на контакт рекрутера.
Требования
Основные квалификации
- Более 4 лет опыта разработки и запуска производственного программного обеспечения, с основным упором на современный бэкенд-язык (например, Python) и сопутствующими инженерными основами: тестирование, обзор кода, CI/CD, Git, контейнеры, проектирование API и асинхронное программирование.
- Демонстрируемый опыт работы с системами на основе LLM в производственной среде: генерация с дополнением извлечения (retrieval-augmented generation), вызовы функций и инструментов, принудительное соблюдение структурированного вывода, проектирование промптов как инженерная дисциплина, а не метод проб и ошибок.
- Практический опыт работы с инфраструктурой векторизации и извлечения данных, такой как pgvector, Pinecone, Qdrant, FAISS или Azure AI Search, включая связанные с этим проблемы качества извлечения.
- Опыт работы с фреймворками и инструментами для агентов: LangGraph, LangChain, CrewAI, Model Context Protocol (MCP) или нативные циклы выполнения Python. Нам важно, чтобы вы запустили состояниеful, использующую инструменты систему, а не то, какой фреймворк вы использовали.
- Вы создали набор для оценки системы LLM. Проектирование тестовых наборов, оценка «модель как судья» или эквивалентное ей ранжирование, а также отслеживание регрессии с использованием Langfuse, Ragas, LangSmith или чего-то, что вы написали сами. Это требование мы проверяем наиболее тщательно.
- Опыт облачного развертывания, предпочтительно Azure и допустимо AWS, с Docker, CI/CD конвейерами и инфраструктурой как кодом (GitHub Actions, Terraform или Bicep).
- Рабочая дисциплина в отношении задержек, стоимости токенов и пропускной способности. Вы можете объяснить, сколько стоит запуск функции и что вы сделали для этого.
- Активное использование инструментов помощи в написании кода с помощью ИИ, таких как Claude Code, Cursor или GitHub Copilot, в реальной работе по поставке продуктов.
- Свободное владение письменным и устным английским языком на уровне C1 или выше, а также уверенность в возможности напрямую объяснить технический компромисс клиенту.
- Степень бакалавра в области компьютерных наук, науки о данных или смежной области, или эквивалентный профессиональный опыт.
Предпочтительные квалификации
- Дообучение и адаптация моделей с открытым весом: LoRA, QLoRA, PEFT, а также четкое понимание того, когда дообучение является неправильным решением.
- Самостоятельное развертывание или использование моделей с открытым весом для инференса и обслуживания, а также компромиссы по стоимости и задержкам по сравнению с размещенными API.
- Мультимодальные системы, охватывающие зрение, речь или понимание документов наряду с текстом.
- Работа в области безопасности, специфичная для систем LLM: тестирование на инъекции промптов, красные команды (red-teaming) и очистка выходных данных.
- Поставка продуктов в рамках режима соответствия, такого как SOC 2 или HIPAA.
- Потоковая передача данных, работа в реальном времени или рабочие нагрузки с высокой пропускной способностью инференса.
- Вклад в open-source библиотеки ИИ, опубликованные технические статьи или активное участие в сообществе инженеров по ИИ.
Преимущества
- Культура 100% удаленной работы (работайте где угодно в Латинской Америке)
- Оплачиваемый отпуск (PTO)
- Праздники США
- Обучение и сертификация в области ИИ
- Менторское развитие карьеры
- Разделение прибыли
- Вознаграждение в долларах США.
