Специалист по роботизации бизнес-процессов (RPA)

Мы ищем опытного инженера для участия в масштабном проекте по внедрению системы индивидуального ценообразования в Сбербанке. Проект направлен на увеличение прибыли банка посредством персонализированных предложений клиентам.

• написание промптов для конкретных задач (аналитика, генерация писем, работа с возражениями)

• интеграция AI-решений с корпоративными системами, базами данных и API

• пилотирование AI-решений, тестирование гипотез, отладка и оптимизация

• подготовка AI-решений к промышленной эксплуатации и техническое сопровождение внедрения

• проведение демо, консультаций и обучения сотрудников практическому применению ИИ.

• навыки программирования на Python и работы с основными библиотеками анализа данных (Pandas, NumPy, Scikit-learn)

• опыт внедрения AI-решений в бизнес-процессы — от 2-х лет, как минимум 1 успешный запущенный пилот или готовый прототип с измеримым результатом (ссылки, рекомендации, портфолио)

• понимание LLM и RAG — знаете, как работают большие языковые модели, чем отличаются модели (GPT vs Claude vs российские), как работает retrieval-augmented generation, как собирать и подготавливать данные для баз знаний

• промпт-инжиниринг — умеете писать промпты для разных сценариев, знаете техники (few-shot, chain-of-thought, role prompting)

• навыки интеграции — понимание, как подключить AI-агента к CRM, базе данных, Excel, и др

• продуктовый подход — умеете формулировать задачу в виде: «пользователь → проблема → сценарий → MVP → метрики успеха → ROI»

• умение работать с большими данными и базами данных (SQL, NoSQL)

• хорошие аналитические и коммуникативные способности.

• комфортный современный офис рядом с м. Кутузовская

• офисный формат работы

• ежегодный пересмотр зарплаты, квартальная и годовая премия

• корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• программа адаптации и помощь руководителя на старте

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Lead AI Enablement Engineer

OnTarget Labs is a leading international software product development company.
We create next generation of world class product lines.

The company is looking for a Lead AI Enablement Engineer, AI-First DevEx to join our innovative product team as a full-time member working REMOTELY.
Lots of opportunities for professional growth and business trips abroad are offered.
Join our friendly team of IT professionals now!

Product description

A fast-growing B2B SaaS platform in the US property management industry.

Our platform supports complex multi-tenant workflows, integrations, payments, and operational processes that real businesses rely on every day. As we grow, we are investing in AI-first engineering, developer experience, and modern engineering foundations so product teams can ship faster, safer, and with more confidence. We are looking for a hands-on AI enablement engineer to make AI-assisted delivery practical, repeatable, trusted, and tied to real engineering outcomes.

The Role

This is a hands-on IC role inside the Platform team, with ownership for leading the AI enablement initiative across product engineering teams. You will partner closely with the Platform Lead to scale and improve AI-assisted workflows across the software delivery lifecycle. The role will help move these workflows from mostly local usage into more structured, validated, and eventually sandbox-based agent orchestration, while also shaping reusable AI patterns for product-facing capabilities and internal employee agents.

What You Will Do

• Establish practical AI-first workflows for coding, debugging, testing, planning, design, docs, reviews, and production investigation.
• Build reusable agent instructions, prompt patterns, skills, repo context, integrations, and examples that teams can apply directly.
• Partner with the Platform Lead to connect AI workflows with CI/CD, sandboxes, parallel agent workflows, testing, observability, release readiness, and DX signals.
• Create validation loops so AI output can be checked through tests, reviews, quality signals, security controls, and release checks.
• Coach engineers through demos, pairing, docs, examples, office hours, and practical workflow design.
• Shape reusable patterns for AI-powered product and internal capabilities, including assistants, retrieval, automation, governance, access, and reuse.
• Use adoption, quality, productivity, cost, and delivery signals to prioritize work and measure real leverage.

What You Bring

• Excellent verbal and written communication skills in English
• 7+ years of software engineering experience preferred, with strong senior-level candidates considered; experience improving DevEx, platform capabilities, internal tooling, engineering productivity, or AI enablement is especially relevant.
• Deep hands-on use of AI tools for real engineering work, especially Claude Code, Warp, AI agents, LLM APIs, MCP workflows, or similar tools.
• Strong engineering depth, with experience building reusable workflows, integrations, reference implementations, prompts, agent skills, evaluation patterns, and automation.
• Practical understanding of planning, implementation, testing, reviews, CI/CD, release readiness, production support, and documentation.
• Strong judgment around AI output quality, validation, testing, reviewability, security, privacy, cost, and operational risk.
• Ability to drive adoption through coaching, examples, documentation, pairing, workshops, office hours, or enablement programs.
• Practical AI-first mindset focused on measurable engineering outcomes.
• Bachelor’s degree in Information Systems, Computer Science, or a related field

Technology and Tools

Strong candidates will have hands-on experience with several of the following:

• Claude Code, Warp, AI coding agents, LLM-based developer workflows, or similar tools.
• Agent SDKs/APIs from Anthropic, OpenAI, AWS Bedrock, or similar platforms.
• MCP servers, tool calling, agent workflows, reusable instructions, prompt patterns, skills, or orchestration.
• Depth in at least one modern engineering language, such as Python, TypeScript, Go, C#, .NET, or similar.
• RAG, semantic search, knowledge agents, embeddings, vector databases, or retrieval patterns.
• Git workflows, CI/CD, test automation, code review, release readiness, and developer productivity tooling.
• AWS, cloud environments, containers, or sandbox-style execution environments.
• Observability, evaluation, monitoring, logging, tracing, cost tracking, and quality measurement.
• Security, access control, privacy, auditability, and governance for internal and product-facing AI systems.

Nice to Have

• Sandboxed or cloud-based agent execution, parallel AI workflows, or human-as-orchestrator patterns.
• AI-powered SaaS features, internal knowledge-base agents, Slack agents, or employee AI assistants.
• Legacy modernization in a mature production SaaS environment.
• Fintech, payments, accounting, eCommerce, property management, or other transactional domains.
• Security, compliance-aware delivery, data access controls, or regulated environments.

What Success Looks Like

• Product engineering teams have practical AI-first paved roads for common development workflows.
• AI-assisted engineering workflows create measurable leverage across product teams, improving delivery speed, quality, review confidence, and developer experience.
• AI workflows better reflect product context, business rules, codebase structure, and engineering standards.
• Engineers can orchestrate AI-driven work with clearer validation, testing, review, and release-readiness loops.
• Platform and AI Enablement create stronger foundations for sandbox-based and parallel agentic delivery.
• Product and internal teams have shared patterns and guardrails for AI assistants, retrieval, automation, and governed reuse.

We offer

• Competitive compensation to be defined upon the interview results
• Full time REMOTE WORK

Мы ищем специалиста, который будет работать с прикладными AI‑решениями для обучения и внутренних процессов команды: собирать, запускать и поддерживать роботов, агентов, скилы и интеграции. Основная работа строится на базе готовых моделей, агентских сред и существующих интеграций. Вам не придётся обучать модели с нуля, создавать AI‑платформу или писать крупные backend‑сервисы.

У роли два контура:

• внешний — разработка продуктов обучения и развития для яндексоидов;
• внутренний — создание AI‑инструментов для команды L&D HQ.

Продуктовые приоритеты и критерии успеха определяет руководитель направления. Ваши задачи — технически реализовывать задуманное: предлагать варианты решений, объяснять ограничения, собирать пилотные версии, проверять качество работы и обеспечивать поддержку готовых решений.

Вам предстоит работать со следующими инструментами:

• внутренние агентские среды на базе современных решений: Claude Code, Codex и опенсорс-моделей;
• готовые инструменты и сервисы для запуска агентов, скилов, RAG и evals;
• SkillStore и MCPStore — чтобы искать, устанавливать и обновлять готовые скилы и MCP‑интеграции;
• Python — для небольших доработок, скриптов и автоматизаций;
• Git и Arcadia — для хранения решений и совместной работы над ними;
• Wiki, Tracker, Квант и другие LMS и сервисы Яндекса — через существующие коннекторы;
• YT и SQL — чтобы получать и готовить данные;
• ABC — для работы с ресурсами, сервисными аккаунтами и правами доступа;
• Monium и средства платформы — для логов, мониторинга и алертов;
• DataLens — чтобы просматривать аналитику по пилотным проектам;
• Obsidian и другие инструменты работы с базами знаний — при необходимости.

Знать внутренние инструменты Яндекса заранее необязательно. Главное — иметь опыт работы с аналогичными инженерными инструментами и уметь быстро осваивать новую среду.

Это временная роль: предлагаем вам занятость на один год.

Какие задачи вас ждут

Разработка агентов и скилов
Вы будете создавать новые решения с нуля, дорабатывать существующие и адаптировать внешние скилы под внутреннюю среду. Вам предстоит превращать пользовательские сценарии в агентов и скилы, самостоятельно разрабатывать их на базе готовых моделей и инструментов, искать и оценивать уже имеющиеся скилы — как внутренние, так и внешние. Нужно будет настраивать системные инструкции, промпты и инструменты агентов, определять схемы их вызова и последовательность действий, подключать внутренние коннекторы и источники знаний. При необходимости — разрабатывать или дорабатывать небольшие Python‑компоненты. Также в ваши задачи войдёт настройка безопасной записи в Wiki, Tracker, Квант и другие системы (с подтверждением пользователя, проверкой результата и возможностью восстановить изменения), подготовка тестовых сценариев, проверка решений перед публикацией и их поддержка после запуска.

Интеграция знаний с AI
Вы будете создавать и поддерживать контур знаний для AI‑инструментов — агентов, скилов и других решений, чтобы они работали с актуальной внутренней информацией, а не только с общими знаниями модели. Для этого нужно определять необходимые источники данных для разных пользовательских сценариев, настраивать с помощью готовых компонентов извлечение, подготовку, индексацию и регулярное обновление данных. Также предстоит конфигурировать поиск, цитирование источников, метаданные и фильтрацию по правам доступа. Важно следить, чтобы изменения и удаления в исходных материалах отражались в базе знаний, и выявлять случаи, когда решение не находит нужный материал или использует неподходящий источник.

Развитие AI‑инфраструктуры
Вы будете участвовать в развитии среды для AI‑решений — безопасной площадки, где можно размещать, запускать и совместно использовать агентов, скилы, базы знаний и другие AI‑инструменты. Среда включает ABC‑сервис, облачные ресурсы, виртуальные машины и общий харнес для AI‑решений. Вам предстоит выявлять инфраструктурные потребности при работе с AI‑решениями, превращать их в технические требования и описывать ограничения. Нужно будет готовить для руководителя варианты реализации, анализировать риски и формулировать вопросы к профильным командам. Вы будете настраивать ресурсы, сервисные аккаунты и права в рамках существующей инфраструктуры, проверять и принимать новые возможности среды. При необходимости — разрабатывать небольшие недостающие компоненты в пределах своего решения. Также в ваши задачи войдёт поддержка запущенных решений: диагностика платформенных проблем и передача их владельцам инфраструктуры, а ещё — документирование настроек и порядка эксплуатации. При этом архитектурные решения по общей платформе и договорённости с инфраструктурными командами — это совместная ответственность руководителя и профильных специалистов.

Поддержка решений
Вы будете публиковать решения в существующей агентской среде, настраивать ресурсы, сервисные аккаунты и права доступа, работать с логами, трассировкой и средствами мониторинга, диагностировать сбои, перезапускать и откатывать свои решения, передавать профильным командам платформенные проблемы с чётким техническим описанием, а также документировать решения и готовить инструкции для подменяющего сотрудника.

Мы ждём, что вы

• Запускали прикладное AI‑решение для реальных пользователей и можете рассказать, как проверяли его качество и дорабатывали после запуска
• Собираете агентские сценарии на базе готовых моделей и платформ: настраиваете инструкции, инструменты, последовательность действий, подтверждения и обработку ошибок
• Самостоятельно создаёте и адаптируете скилы, включая небольшие изменения кода
• Понимаете прикладные основы RAG: подготовку и разбиение материалов, индексацию, метаданные, поиск, цитирование и фильтрацию по правам доступа
• Превращаете пользовательские сценарии и примеры хороших ответов в тестовый набор и применяете готовую eval‑инфраструктуру
• Владеете Python на уровне небольших скриптов, автоматизаций и доработки существующего кода
• Работаете с Git, командной строкой и базовыми Linux‑инструментами
• Понимаете принципы работы API, авторизации и готовых коннекторов
• Владеете базовым SQL и работаете с табличными данными
• Читаете логи, локализуете ошибку, публикуете и откатываете изменения

Будет плюсом, если вы

• Работали с продвинутыми RAG‑решениями и поисковыми системами: настраивали retrieval, reranking и векторный поиск
• Работали с подготовкой и индексацией видео, аудио, PDF, презентаций и других сложных форматов
• Занимались проектированием evals и регрессионного тестирования LLM‑систем
• Имеете опыт работы с корпоративными правами доступа и чувствительными данными
• Знакомы с YT, Arcadia, ABC, Monium и другими внутренними инструментами Яндекса