AI инженер — свежие вакансии

Axis делает ИИ-продукты для управления себестоимостью строительства. «Проверка РД» работает с PDF и Excel: проводит нормоконтроль, проверяет спецификации и расчёты, сравнивает стадии и редакции документов. По каждому замечанию показывает лист-источник, цитату и логику проверки. Продукт уже работает у платящих клиентов и на пилотах. Команда — выходцы из Самолет, Autodesk, McKinsey, Сбера и МТС.

Ищем AI-инженера, который будет отвечать за агентный контур продукта. Цель — дать методологу возможность описать новую проверку без разработки, а пользователю — получить проверяемый результат на своём комплекте документов. Агент должен сам найти нужные фрагменты, вызвать расчёты и справочники, запросить недостающие данные и вернуть таблицу или текст со ссылками на источники.

Главный технический вызов — сделать агентов частью надёжной производственной системы, где ошибка влияет на решения по стройке. Модель работает с неоднородными документами, сохраняет состояние длительной проверки, отличает нехватку данных от расхождения и не подменяет код в расчётах.

Роль находится на стыке агентной инженерии и backend-разработки. Вы будете выбирать модели и способ оркестрации, проектировать инструменты агента, строить оценку качества и разбирать ошибки на реальных запусках. Мы задаём продуктовую цель и ограничения; технические решения и путь к результату находятся в вашей зоне ответственности.

За что отвечать

- Качество агентных проверок в продукте: точность выводов, полноту, время выполнения и стоимость.
- Цикл улучшения качества: собирать ошибки и исправления пользователей, превращать их в тесты, сравнивать модели и проверять изменения перед выпуском.
- Надёжность выполнения: проверка не теряет состояние при сбое, умеет ждать недостающие данные и пересчитывает только то, что от них зависит.
- Агентный движок: работа с контекстом, выбор следующего действия, вызов инструментов, типизированный результат и ограничения модели.
- Развитие архитектуры без зависимости от одного фреймворка или поставщика модели. PydanticAI, LangGraph и другие компоненты оцениваем по качеству работы в продукте.

Что мы ожидаем

- Хороший Python и опыт эксплуатации backend-сервисов: API, асинхронные задачи, очереди, тесты, обработка ошибок.
- Опыт с LLM и агентами в продакшене: вызов инструментов, управление контекстом, структурированный ответ, ограничения действий модели.
- Умение получать и валидировать результат по JSON Schema, Pydantic или аналогичной схеме.
- Опыт поиска по документам или RAG с обязательной привязкой ответа к источнику.
- Опыт оценки качества LLM-систем: тестовые наборы, разбор ошибок, сравнение моделей и промптов.

Будет плюсом

- PydanticAI, LangGraph или другой фреймворк для LLM-агентов.
- Temporal или другой движок долговременных процессов.
- MCP, OpenTelemetry, Langfuse.
- Локальные модели и развёртывание AI-сервисов в закрытом контуре.
- Document AI: OCR, структура PDF, таблицы и координаты областей на листе.

Мы не ищем человека, который просто хочет получить первую работу разработчиком.

Мы ищем амбициозного Junior-инженера на Python , который хочет быстро расти, разбираться в современных AI-технологиях и через несколько лет стать сильным специалистом, способным самостоятельно создавать сложные продукты.

Мы строим AI B2B платформу для автоматизации клиентского сервиса и продаж.

Создаём AI-агентов, которые могут выполнять работу администраторов, менеджеров и операторов: общаться с клиентами, консультировать, продавать, принимать заявки, работать с CRM и другими системами.

У нас много новых технологий, сложных задач и высокой скорости развития.

И мы хотим, чтобы ты рос вместе с проектом.

Кого мы ищем

Нам нужен Junior-разработчик, который:

• хочет построить карьеру именно в AI / software engineering;

• любит разбираться, как всё работает;

• не боится сложных задач и новых технологий;

• способен самостоятельно искать информацию и находить решения;

• хочет не просто писать код, а понимать, что и зачем он создаёт;

• готов быстро учиться;

• использует AI-инструменты в разработке или хочет научиться использовать их эффективно;

• хочет через 1–2 года стать самостоятельным сильным инженером.

Предыдущий коммерческий опыт не является главным критерием.

Для нас гораздо важнее твой потенциал, скорость обучения и отношение к работе.

Что предстоит делать

Ты будешь работать вместе с опытными разработчиками и постепенно брать на себя всё больше ответственности.

В зависимости от твоего уровня ты будешь заниматься:

• разработкой frontend и backend;

• созданием новых функций AI-платформы;

• интеграциями с внешними API и сервисами;

• работой с LLM;

• созданием AI-агентов;

• RAG и базами знаний;

• PostgreSQL и Vector DB;

• разработкой интерфейсов на React / Next.js;

• Node.js / TypeScript;

• тестированием и улучшением существующего продукта;

• поиском и устранением ошибок;

• изучением новых AI-технологий.

Постепенно задачи будут становиться сложнее.

Наша цель — чтобы ты прошёл путь:

Junior → самостоятельный разработчик → сильный AI Engineer → технический лидер.

Что мы готовы тебе дать

Ты будешь работать не над учебным проектом, а над реальным продуктом, которым пользуются реальные компании.

У тебя будет возможность:

• работать с современными LLM;

• разобраться, как устроены AI-агенты;

• научиться строить RAG-системы;

• работать с реальными production-системами;

• разобраться в backend, frontend, базах данных и инфраструктуре;

• использовать AI для ускорения собственной разработки;

• видеть, как принимаются продуктовые и технические решения;

• постепенно брать ответственность за целые части продукта.

Если ты быстро растёшь — мы будем быстро увеличивать твою зону ответственности.

Наш стек

• TypeScript

• Python

• React

• Next.js

• Node.js

• PostgreSQL

• Vector DB

• LLM APIs

• AI SDKs

• RAG

• Docker

• Cloud infrastructure

Не знаешь часть технологий?

Это нормально.

Мы не ожидаем, что Junior будет знать всё.

Мы ожидаем, что ты способен быстро научиться.

Ты нам подойдёшь, если

• тебе действительно интересно программирование;

• ты можешь часами разбираться в проблеме, пока не поймёшь её;

• ты не боишься признаться, что чего-то не знаешь, но сразу пытаешься это исправить;

• ты самостоятельно ищешь ответы;

• тебе интересно, как устроены современные AI-системы;

• ты хочешь расти быстрее среднего;

• тебе интересно создавать продукт с нуля;

• ты хочешь через несколько лет быть специалистом высокого уровня.

Ты нам НЕ подойдёшь, если

• Ты невнимательный

• ты ждёшь, пока тебе подробно распишут каждый шаг;

• ты не готов самостоятельно искать информацию;

• тебе неинтересно, что происходит за пределами твоей задачи;

• ты хочешь работать с 9 до 18;

• тебе важнее стабильность и комфорт, чем рост;

• ты не готов получать обратную связь и исправлять свои ошибки.

Как мы оцениваем кандидатов

Нас не так сильно интересуют:

• диплом;

• количество сертификатов;

• красивые формулировки в CV;

• формальное количество лет опыта.

Нам гораздо интереснее:

Что ты уже построил?

Как ты думаешь?

Как быстро учишься?

Как решаешь проблемы?

Насколько тебе действительно интересен AI?

Поэтому при отклике расскажи:

1. Какие проекты ты делал самостоятельно?

2. Ccылка на GitHub/GitLab

3. Какая задача была самой сложной?

4. Какие технологии использовал?

5. На ответ письма напишешь «Хочу строить будущее»?

6. Какую технологию тебе сейчас больше всего хочется изучить?

Если есть GitHub или ссылки на проекты — обязательно отправляй.

Что ты получишь

• работу над реальным AI-продуктом;

• сильную команду инженеров;

• обучение на реальных задачах;

• быстрый профессиональный рост;

• возможность постепенно брать больше ответственности;

• возможность построить карьеру в одной из самых быстрорастущих технологических сфер;

• минимум бюрократии;

• прямую коммуникацию с командой и основателями;

• возможность влиять на продукт.

Мы хотим найти человека надолго, поэтому отбор будет строгим.

Не просто Junior-разработчика на ближайшие полгода, а будущего сильного инженера, который будет расти вместе с компанией.

Условия

— Удалённая работа
— Работа из любой точки мира
— Небольшая команда и прямая коммуникация
— Реальный AI-продукт и реальные пользователи
— Возможность профессионального роста внутри компании
— Испытательный срок — 2 месяца
— Уровень дохода определяется по результатам испытательного срока

Если у тебя немного опыта, но огромное желание разобраться в AI и построить карьеру в этой сфере — нам интересно с тобой познакомиться.

Нам важнее твой потенциал, чем твой текущий уровень.

О нас

CVisionLab — разработчик наукоёмкого программного обеспечения в области компьютерного зрения и машинного обучения. Мы строим свои решения на лучших DevOps- и MLOps-практиках, а в качестве инфраструктуры используем облачные сервисы Google Cloud Platform и Yandex Cloud. Работаем над долгосрочными проектами и любим сложные задачи — над некоторыми уже успели сломать голову :)

О проекте

Мы развиваем высокопроизводительный бэкенд, который связывает трёхмерные географические данные (кадастровые границы, ГИС) и 2D-фотоснимки местности. Мы используем инструменты фотограмметрии (OpenDroneMap, COLMAP и др.), а также активно применяем LLM (GPT, Gemini, а в перспективе — собственные модели) для анализа изображений.

Вам предстоит разрабатывать алгоритмы, интегрировать ИИ-модели и проектировать облачную инфраструктуру, которая уверенно выдерживает тяжёлые вычислительные нагрузки.

Стэк проекта

• LLM: OpenAI / Gemini с дообучением.
• Cloud и DevOps: экосистема GCP (Cloud Storage, Compute Engine, Cloud Run, Firestore).
• БД: PostgreSQL, PostGis.
• Алгоритмы фотограмметрии: OpenDroneMap / OpenSfM, COLMAP, Agisoft Metashape SDK.
• ГИС: pyproj, shapely, geopandas, rtree, rasterio, GDAL CLI, PDAL.
• 3D-движки: Open3D, Trimesh.

Чем предстоит заниматься

• Развивать Python-модули для обработки пространственных данных, поиска смежных снимков и генерации ортофотопланов.
• Интегрировать LLM в пайплайны для извлечения данных и семантического анализа.
• Проектировать и поддерживать инфраструктуру в GCP — безопасную, отказоустойчивую и экономичную.
• Поддерживать набор автоматических тестов (Pytest), сборки и деплоя в актуальном состоянии (Docker, Gitlab CI/CD).

Что мы ожидаем от кандидата

• Глубокое знание Python.
• Знание английского языка на уровне, достаточном для поддержки рабочей документации по проекту в актуальном состоянии, эпизодических созвонов с заказчиками.
• Уверенное знание линейной алгебры (матрицы трансформаций, преобразование систем координат).
• Опыт работы с пространственными данными, полигонами и облаками точек.
• Понимание базовых принципов взаимодействия с готовыми ИИ моделями, настройкой LLM, оценки качества и т.п.
• Опыт разработки решений, компоненты которых функционируют в облачной инфраструктуре.
• Умение эффективно работать с ИИ-агентами в разработке (Claude, Cursor, Zed, Codex).

Что мы предлагаем

• Конкурентную заработную плату — белую и пушистую!
• Полностью удалённая работа — трудимся по московскому времени.
• Долгосрочный проект с по-настоящему интересными алгоритмами и современным стеком.

Спасибо, что дочитали до конца ;) Присоединяйтесь — будет интересно!

Чем предстоит заниматься:

• Разрабатывать и настраивать AI системы, базирующиеся на текстовой корпоративной информации (включая обучение/fine-tuning моделей)
• Оценивать и оптимизировать AI-решения, модели машинного обучения, алгоритмы AI
• Формировать технические задания для инженерной команды
• Осуществлять техническое руководство от анализа и обработки данных до внедрения разработанного сервиса в корпоративные решения
• Консультировать разработчиков и развивать инженерные навыки команды

Мы ждем от будущего члена команды:

• Глубокие знания и практический опыт в области AI (IDP, ML, NLP, CV, GenAI)
• Способность работать как автономно, так и в команде. Уметь выступать в роли как технического лидера, координировать работу, так и индивидуального контрибьютора
• Способность самостоятельно разобраться в предметной области задачи. Видеть связь технической постановки и бизнес-потребности
• Опыт написания технического задания, включая техническое описание реализации необходимого функционала
• Глубокие знания и практические опыт разработчика на Python (разработка, профилировка, дебаг, оптимизация)

Будем рады предложить вам:

• Конкурентный уровень заработной платы
• Гибридный формат работы, возможность полной удалённой работы
• Систему премирования за научные достижения, публикацию статей, регистрацию патентов и выступления на конференциях
• «Лекторий», в рамках которого приглашенные эксперты и наши специалисты на регулярной основе делятся профессиональным опытом из различных областей науки
• Внутреннюю программу поддержки инноваций
• Медицинскую страховку, включающую стоматологию, госпитализации, международные путешествия
• Льготное страхование членов семьи

Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7.

Мы развиваем цифрового ассистента внутри платформы MOS.RU - одного из ключевых городских цифровых каналов взаимодействия жителей с сервисами Москвы. Ассистент помогает пользователям быстрее находить информацию, получать услуги, решать жизненные ситуации и взаимодействовать с городскими сервисами через понятный диалоговый интерфейс. Наша задача - развивать ассистента как интеллектуальный продуктовый слой платформы: не просто чат или справочный интерфейс, а полноценный ИИ-продукт, встроенный в пользовательские сценарии MOS.RU, мобильных приложений и смежных городских сервисов.

Что нужно делать:

• разрабатывать и улучшать LLM-классификацию пользовательских запросов: intent/domain classification, обработка неоднозначных и граничных сценариев
• участвовать в проработке и проверке ML/LLM-гипотез: выбирать подходы, проводить эксперименты и создавать прототипы
• разрабатывать и улучшать ML/LLM-модели и алгоритмы: повышать качество классификации, retrieval/RAG, reranking и других интеллектуальных компонентов продукта
• разрабатывать и доводить до промышленного использования ML/LLM-компоненты (RAG, LLM workflows, диалоговые агенты): писать качественный поддерживаемый код, интегрировать решения в продуктовые сервисы и оптимизировать их производительность и потребление ресурсов. Деплой и эксплуатация осуществляются совместно с MLOps-инженером
• настраивать и адаптировать LLM-модели под специфику данных кластера: запросы (prompt engineering), температурные режимы, техники few-shot/RAG и др.
• повышать качество и эффективность NLP/LLM-моделей в продуктовых сценариях
• проводить системный error analysis моделей, находить причины ошибок и улучшать модели, датасеты, признаки и алгоритмы на основе результатов оценки качества

Какие знания и навыки важны:

• опыт решения задач классификации текстов / intent detection и понимание соответствующих метрик качества
• глубокое понимание современных архитектур и методов обучения языковых моделей (от классических методов до LLMных) для кастомных NLP задач
• практический опыт создания решений на базе LLM (prompt engineering, RAG, reasoning, agents и др.)
• умение аккуратно работать с существующей кодовой базой: разбираться в чужом коде, вносить изменения без нарушения текущих сценариев и учитывать обратную совместимость
• умение выполнять самостоятельно семантический поиск, работа с re-rankers и гибридными retrieval-механизмами (как пример: вектор + текстовый/графовый поиск)
• понимание методов оценки качества LLM (бенчмарки, human eval и др.) и метрик для различных NLP-задач
• практические навыки построения пайплайнов решений для NLP проектов
• опыт работы с векторными базами данных (Milvus/Qdrant/FAISS)

Будет плюсом:

• практический опыт работы с ASR: распознавание речи, оценка качества и адаптация speech-моделей под продуктовые сценарии
• понимание принципов производительности ML-сервисов: latency, потребление CPU/RAM, поиск узких мест и оптимизация inference
• опыт создания web-сервисов (REST API, FastAPI, asyncio, gRPC), создание функциональных API и интеграции с бэкенд-сервисами

Что предлагаем:

• официальное трудоустройство в аккредитованную ИТ-компанию
• график работы гибрид
• ежегодное премирование по результатам работы
• материальную помощь в случае важных событий в жизни
• корпоративное обучение у топовых провайдеров и доступ к онлайн-библиотеке
• скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д.
• корпоративные тренировки и спортивные активности - бег, футбол, волейбол, баскетбол, теннис и другие

Стань частью команды ДИТ Москвы и воплощай в жизнь цифровые проекты столицы!

Обязанности:

• проектировать сквозную архитектуру AI-решений: AI-агентов и LLM-сервисов вместе с RAG, memory, tool calling и orchestration;
• встраивать AI в существующий enterprise-ландшафт с учётом текущих систем, стандартов и компонент платформы (ПКАП); выявлять гепы в их функционале и эскалировать запросы на развёртывание;
• совместно с Data Scientist и Product Owner выявлять, декомпозировать и документировать архитектурные и интеграционные требования; транслировать бизнес-требования в техническое решение;
• выбирать модели (проприетарные — например GigaChat, и open-source LLM), инфраструктуру и стек под конкретные ограничения и задачи; контролировать latency, стоимость inference и стабильность системы;
• совместно с корпоративными архитекторами (EA), экспертами кибербезопасности и командой сопровождения выбирать технические компоненты и проектировать интеграции; акцептовать либо аргументированно оспаривать решения Мастер-команды;
• самостоятельно собирать PoC и прототипы агентов и интеграций, разрабатывать reference-код и шаблоны для стандартизации и масштабирования; передавать прод-разработку команде.

Требования:

• оконченное высшее образование;
• аналогичный опыт от 2-х лет;
• опыт проектирования сквозных (end-to-end) технических решений, декомпозиции и документирования требований;
• опыт создания архитектурных артефактов: диаграммы потоков и взаимодействий (например, C4), спецификации API, ADR;
• опыт проектирования LLM-сервисов и агентных систем: RAG (retrieval, чанкинг, векторные хранилища, реранкинг), memory, tool/function calling, оркестрация (в т.ч. multi-agent);
• понимание self-hosted inference (vLLM/TGI и аналоги), управления контекстом, выбора и эксплуатации векторных БД;
• опыт контроля эксплуатационных характеристик: latency, стоимость inference, стабильность; observability, eval-пайплайны, guardrails.
• глубокое понимание корпоративной архитектуры и умение встраивать AI с учётом существующих систем;
• опыт самостоятельной разработки PoC/прототипов агентов и интеграций, reference-кода и шаблонов с последующей передачей команде на продакшнизацию.

Условия:

• оформление по ТК РФ с первого дня и все социальные гарантии;
• гибрид: 3 офис/ 2 удаленно;
• ДМС после испытательного срока;
• для работы предоставляем ноутбук, наушники, мышь, при необходимости – и другую технику;
• программы профессионального развития;
• оплачиваемое профессиональное обучение и сертификация;
• бонусы и бенефиты для наших сотрудников: подарки для детей, скидки у корпоративных партнёров.