Формат работы: Полный рабочий день в офисе
Ключевая миссия
Построить независимый цифровой контур компании, который работает напрямую под контролем собственника, формализует бизнес-процессы и обеспечивает прозрачный расчет стоимости, сроков и изменений по каждому объекту.
Специалист по AI-автоматизации / AI Builder
Ищем практика, который активно использует LLM, умеет самостоятельно собирать полезные инструменты и доводить их до регулярного использования. Нужен конкретный опыт запуска и сопровождения SaaS с реальными пользователями. Профессиональный стаж разработчика не обязателен; важны ваш личный вклад и работающий результат.
О работе
Мы работаем со строительными и инженерными документами, расчётами, чертежами, таблицами и разнородными файлами. Хотим сократить повторяющуюся ручную работу и время на исправления, сохраняя точность данных и проверяемость результатов.
Первый приоритет — внутренние процессы команды. Вы будете разбирать задачи вместе с нами, выбирать подходящие инструменты, лично собирать решения, запускать их в работу и поддерживать после запуска. В этой роли недостаточно передавать требования другим исполнителям: нужна самостоятельная практика от исходных материалов до рабочего инструмента.
Чем предстоит заниматься:
- Разбирать рабочий процесс: что поступает на вход, какой результат нужен, где возникают задержки и как проверить улучшение.
- Выбирать подходящий способ решения: готовый SaaS, интеграция сервисов, автоматизация через LLM, AI coding, no-code или low-code. Обосновывать выбор удобством, надёжностью и стоимостью.
- Применять LLM для исследования, извлечения и проверки данных, работы с документами и таблицами, автоматизации действий. Использовать разные подходы под задачу.
- Собирать цепочки «исходники → обработка → проверка → удобный результат». Обрабатывать пропуски, противоречия, ошибки извлечения и сбои сервисов.
- Публиковать и поддерживать инструменты: настраивать интеграции, доступы и хранение данных, разбираться с ошибками, обновлениями и расходами.
- Собирать обратную связь, улучшать решение и передавать его команде: доступы, настройки, короткие инструкции, порядок восстановления после сбоя.
Что важно:
У вас есть хотя бы один SaaS-проект в production с реальными пользователями. Вы лично собирали сервис или существенную часть продукта, участвовали в релизе и сопровождении. Создание всего SaaS в одиночку не требуется.
Вы можете показать несколько практических способов использования LLM и объяснить, почему выбрали каждый из них. Названий моделей и набора промптов недостаточно — нужны примеры решённых задач.
Вы понимаете на практическом уровне API, вебхуки, форматы данных и права доступа; умеете читать ошибки и доводить интеграцию до рабочего состояния.
Вы проверяете результат AI по источникам и контрольным примерам, замечаете неподтверждённые данные и понятно объясняете ограничения.
Вы умеете измерять время, ручные исправления и расходы, самостоятельно продвигать задачу и вовремя запрашивать конкретные недостающие данные.
Опыт со строительной или инженерной документацией будет плюсом. Проектные решения и применимость норм подтверждает профильный специалист.
Методология и рабочая среда:
Вы можете показать свой текущий процесс: постановка задачи и критерии готовности → подготовка контекста → исполнение → проверка → передача решения. Объясняете, как сохраняете нужные знания и продолжаете работу в новой сессии.
Уверенно работаете в выбранной среде: IDE, CLI, агентном приложении, no-code/low-code или их сочетании. Например, Claude Code, Codex, Cursor, n8n или аналоги. Понимаете роль каждого инструмента и движение данных между ними.
Регулярно используете skills и повторяемые инструкции. Можете открыть 1–2 примера, которыми пользуетесь сейчас: показать устройство, условия применения, подключённые инструменты, что взяли готовым, что настроили и как проверили.
Понимаете различия между skill, инструментом, подключением через MCP и агентом. На своём примере объясняете выбор заданного workflow, одного агента или делегирования субагентам: как передаются контекст и результаты, ограничиваются полномочия, отслеживаются ошибки и расходы.
Конкретный стек оставляем на ваш выбор. Важны обоснованная методология и работающий результат; несколько агентов нужны там, где их применение оправдано задачей. Если в вашей среде skills называются иначе, покажите аналогичный механизм инструкций и ресурсов.
Условия:
- Место работы: Москва, ул. Яблочкова 21 к 3 , в пешей доступности от м. Тимирязевская;
- Формат: Полный рабочий день в офисе;
- Оплата на старте 250 000 руб. на руки, далее, после подтверждения результата до 300 000 руб. на руки+премии за принятые этапы;
- Оформление по ТК РФ;
- График работы 5/2 с 09:00 до 18:00 (сб.вс. выходные).
Первые три месяца
- Сосредоточимся на одном выбранном внутреннем процессе:
- Первый месяц: разобрать процесс, зафиксировать исходные затраты времени и типовые ошибки, согласовать результат и контрольные примеры.
- Второй месяц: собрать и запустить пилот на реальных задачах, проверить обычные и проблемные входные данные, исправить обнаруженные ошибки.
- Третий месяц: довести процесс до регулярного использования, обучить команду и передать решение так, чтобы другой сотрудник мог его запустить и понимал ограничения, стоимость и порядок поддержки.
- Целевые показатели улучшения определим после исходного замера.
Как откликнуться
- Пришлите краткое описание опыта и короткие ответы на пять вопросов:
- Какой SaaS вы выводили в production и что лично сделали?
- В какой среде работаете сейчас? Назовите основные инструменты и 1–2 используемых skills или набора инструкций: для чего они нужны и что вы в них настроили.
Какой AI-процесс можете показать?
- Кратко опишите постановку, контекст, исполнение и проверку; объясните роль агентов, если применяете их, и почему выбрали такой подход.
- С каким сбоем после запуска столкнулись и как восстановили работу?
- Как проверяли качество и оценивали расходы?
- Приложите ссылки или предложите демонстрацию. На встрече попросим открыть текущую среду, используемый skill или инструкции и показать выполнение процесса на разрешённых к демонстрации данных. Если проект под NDA, подойдёт обезличенный аналог с теми же приёмами и объяснением вашего вклада.
