AI Engineer

Удаленка, крутая команда и самые награждаемые проекты!

Привет!
Мы — IT-компания Articul. Благодаря отточенному технологическому процессу и налаженной системе проектного управления мы сделали более 1000+ сложных веб- и мобильных проектов и забрали 150+ наград, включая Webby Awards, Lovie Awards и премии Рунета.

Наши клиенты — ведущие игроки ритейла, e-commerce и спортивной индустрии: КХЛ, Sochi2014, РФС, Матч ТВ, Банк ВТБ, Росатом, Alcon, Samsung Electronics и многие другие.

Мы убеждены, что успех наших проектов кроется в профессионализме команды. Наша главная ценность — люди.

Мы ищем тех, кто:

• Не стоит на месте: регулярно обновляет знания, осваивает новые технологии и применяет их в работе;
• Не работает по принципу «мы всегда так делали»: предлагает улучшения, пробует новые подходы и оценивает результат;
• Развивает не только технические, но и гибкие навыки: критическое мышление, коммуникацию и адаптивность;
• Готов менять привычные инструменты, способы работы и переосмысливать собственную роль по мере развития технологий.

Мы развиваем направление ИИ-автоматизации. Уже используем ИИ-агентов для пресейла, оценки задач и код-ревью и продолжаем внедрять ИИ в тестирование, аналитику и разработку.

Сейчас основной фокус — внутренние ИИ-решения, которые помогают оптимизировать работу команд. В перспективе планируем развивать и клиентское направление: самостоятельно взаимодействовать с внешними заказчиками, собирать и анализировать требования, оценивать задачи, предлагать технические решения и участвовать в разработке ИИ-решений под их бизнес-процессы.

Ты будешь самостоятельно проектировать и внедрять ИИ-агентов для автоматизации бизнес-процессов компании: от проработки задачи и разработки агентской логики до пилотирования и запуска в работу. В части back-end и инфраструктуры будешь взаимодействовать с CIO, а по приоритетам и развитию решений напрямую с CTO.

Чем предстоит заниматься:

• Анализировать бизнес-процессы совместно с их владельцами: PM, тимлидами, аналитиками, QA, руководителями подразделений и командой продаж;

• Проектировать и разрабатывать агентов: настраивать промпты, tool calling, MCP, RAG, многошаговые цепочки и работу с контекстом;

• Разрабатывать интеграции с внутренними и внешними системами, в том числе Jira, GitLab, Confluence и другими сервисами;

• Оценивать качество работы агентов: разрабатывать тестовые сценарии, проводить evals, анализировать ошибки и снижать количество галлюцинаций;

• Организовывать пилотные запуски совместно с командами, собирать обратную связь, обучать пользователей и дорабатывать решения;

• Вести бэклог ИИ-инициатив и реестр действующих агентов, координировать процесс их внедрения и развития, отслеживать статусы и результаты, готовить регулярную отчетность по прогрессу и эффективности решений;

• Анализировать эффективность внедренных агентов и оценивать полученный бизнес-эффект, в том числе экономию рабочего времени.

Наш идеальный кандидат:

• Имеет от 3 лет коммерческой разработки, предпочтительно в backend;

• Имеет от 1 года практического опыта разработки LLM-решений с использованием в проде (не только pet-проекты и учебные кейсы);

• Может привести хотя бы один реализованный кейс, в котором самостоятельно довёл LLM-решение до использования и может оценить его эффект в конкретных цифрах;

• Понимает принципы работы LLM: контекст, токены, температура, ограничения моделей и причины возникновения галлюцинаций;

• Знает архитектуру агентных систем: tool calling, MCP, управление контекстом и построение многошаговых цепочек;

• Понимает принципы RAG, работу с эмбеддингами, векторными базами данных, чанкингом и поиском информации;

• Имеет опыт работы с API различных LLM-провайдеров, включая открытые и локальные модели;

• Знаком с подходами к оценке качества LLM-решений: evals, тестовые наборы и проверка корректности результатов;

• Уверенно работает с REST API, Git и имеет базовые знания Docker;

• Имеет высокую самостоятельность на всех этапах работы: умение самостоятельно разобраться в бизнес-задаче, взаимодействовать с заказчиком и собирать требования, формировать техническое решение, организовывать его реализацию и доводить AI-агента до внедрения.

Будет плюсом:

• Опыт работы в веб-разработке или digital-агентстве, понимание процессов пресейла, подготовки смет, разработки, код-ревью и тестирования;

• Опыт разработки ИИ-агентов для задач разработки: генерация кода, автоматизация код-ревью, написание автотестов;

• Опыт браузерной автоматизации с использованием Playwright.

• Опыт работы с PHP и Bitrix;

• Опыт с Python или TypeScript;

• Понимание требований 152-ФЗ и особенностей работы с персональными данными при использовании LLM;

• Базовые знания DevOps и опыт самостоятельного развертывания сервисов.

Ищем руководителя разработки, который переведёт команду на AI-native модель. Разработчики не пишут код руками, а развивают саму систему: спецификации, правила, агентов и автоматические проверки, через которые код пишут, тестируют и выпускают агенты. Безопасность этой системы для нас так же важна, как скорость.

Нам нужен не евангелист, а практик: вы уже делали такую трансформацию, можете показать метрики до и после и сами строили AI-системы, которыми пользуются реальные люди.

О компании: Киберматика делает B2B-продукты: Magic SEO и S-booster помогают бизнесу получать клиентов из поиска. У нас есть продукты, команда и работающая разработка. Мы развиваем действующие продукты, проверяем новые идеи и хотим, чтобы путь от задумки до работающего решения становился короче.

Чем предстоит заниматься

• Перестроить цикл разработки так, чтобы код руками не писался: спецификация → план → реализация агентом → автоматические проверки → ревью человеком. Работа инженеров — улучшать саму систему, роли аналитиков, разработчиков и QA пересобрать под это.
• Построить обвязку для агентов на нашей кодовой базе: правила и контекст проекта, skills, субагенты, MCP-доступ к внутренним системам, quality gates в CI.
• Ввести метрики AI-native поставки и показать эффект в цифрах: lead time, доля задач, принятых с первой итерации агента, ошибки в проде, стоимость токенов.
• Строить AI-функции продукта: агенты, RAG, вызов инструментов, оркестрация. Отвечать за качество (evals), мониторинг и стоимость инференса.
• Собирать с агентами прототипы за дни, а не недели, и доводить их до состояния, которое команда забирает в продакшен.
• Нанимать, учить и растить инженеров под новый способ работы. Делегировать и не становиться узким местом.
• Встроить безопасность в систему с первого дня: минимальные права и изоляция агентов, управление секретами, security review и SAST/SCA в каждом пайплайне, контроль зависимостей и MCP-серверов, защита данных и от prompt injection, политики использования AI.
• Следить за новыми моделями и инструментами, проверять их на наших задачах и внедрять то, что даёт результат.

Что для нас важно

Опыт AI-native трансформации

• Вы уже переводили команду на работу с агентами как повседневную практику, а не как пилот.
• Можете показать метрики до и после и рассказать, что не сработало и почему.
• Работаете с Claude Code, Codex, Cursor или аналогами каждый день и выстроили вокруг них свой процесс: spec-driven development, правила для агентов, мультиагентное планирование и ревью.

Глубокая AI-экспертиза

• Вывели в продакшен хотя бы одну систему на LLM с реальными пользователями и можете назвать её цифры.
• Понимаете архитектуру агентов, RAG, вызова инструментов и MCP.
• Умеете строить evals и пороги качества, ведёте LLM-observability.
• Выбираете между API и открытыми моделями по качеству, задержке и цене, проверяя их на своих данных, а не на чужих бенчмарках.

Инженерная база

• От 8 лет в разработке: глубоко понимаете код, который пишут агенты, и умеете задать для него стандарты и проверки.
• Сильны в архитектуре, бэкенде, данных, облаках и CI/CD.

Безопасность

• Выстраивали secure SDLC: threat modeling, security review, SAST/SCA, управление секретами и доступами.
• Знаете риски агентной разработки и LLM-систем и умеете их закрывать: prompt injection, утечки данных через контекст, избыточные права агентов, атаки через зависимости и сторонние MCP-серверы.
• Работали с требованиями к персональным данным (152-ФЗ или аналоги).

Руководство

• От 3 лет руководите инженерной командой или несколькими командами: найм, развитие, performance review.
• Объясняете технические решения на языке бизнеса: сроки, деньги, риски.

Будет плюсом

• Вы до сих пор сами пишете код: есть рабочие коммиты за последние 6–12 месяцев.
• Открытые репозитории, skills, MCP-серверы или доклады про AI-native разработку.
• Опыт с self-hosted моделями (vLLM, Ollama, Qwen).
• Опыт в роли AppSec или работы с ней в паре.
• Пример, когда вы обоснованно отказались от модной технологии.

Условия

• Формат: удалённо.
• Команда: действующая инженерная команда, которую предстоит перевести на новую модель вместе с вами. С фаундерами можно говорить напрямую, спорить по делу и предлагать изменения.
• Полный доступ к топовым моделям и инструментам и бюджет на токены без долгих согласований.
• Прямое влияние на процессы, стек и найм.

Как проходит отбор

1. В отклике коротко опишите одну трансформацию, которую вы провели: что было, что сделали, какие цифры получили. Ссылка на код или демо приветствуется.
2. Разговор о вашем опыте: разбираем реальные кейсы, а не теорию.
3. Практическая сессия: вместе собираем прототип с агентными инструментами и смотрим, как вы работаете.
4. Встреча с командой и руководством, затем оффер.

Наш Департамент аналитических решений (ДАР) погружен во все современные направления работы с данными: BI-системы и системы аналитической отчетности; хранилища и витрины данных; продвинутая аналитика и Big Data; прикладные продукты с использованием Machine Learning; управление данными (Data Governance, Data Quality); разработка методологии и стратегии работы с данными, разработка GenAI платформ.

Ищем AI Lead, который возьмёт на себя развитие и внедрение AI-технологий внутри компании (от разработки и тестирования ПО до бизнес-функций), а также экспертную поддержку пресейловых проектов для корпоративных заказчиков (проработка архитектуры GenAI-решений, выбор технологий, подготовка технических предложений и защита решений перед заказчиками).

Задачи, которые предстоит решать:

1) Организация и реализация внутренних AI проектов:

• Формировать и вести дорожную карту внутренних проектов.
• Внедрять AI-инструменты и coding assistants в процессы разработки: генерация кода, AI Code Review, агентская разработка.
• Выстраивать процессы, регламенты и стандарты применения AI, контролировать их соблюдение, безопасность и качество.
• Отвечать за внутреннюю AI-инфраструктуру: GPU-инфраструктура, Kubernetes, управление inference, хостинг и дообучение LLM.
• Вести методологическое сопровождение команд при внедрении: обучение, гайдлайны, шаблоны, замер эффекта и масштабирование удачных практик.
• Управлять командой, отвечающей за реализацию и промышленное внедрение AI-решений.
• Масштабировать успешные AI-практик и управлять изменениями внутри компании.

2) Pre-sale задачи с внешними заказчиками:

• Участвовать в проработке GenAI-решений для корпоративных заказчиков.
• Проектировать архитектуру решений и подбирать стек под профиль заказчика (4-уровневый AI-стек: baremetal → инфраструктура → платформа/LLMOps → агенты).
• Готовить экспертные заключения, сравнения вендоров, сценарии пилотов и ROI/TCO-обоснования.
• Презентовать и защищать архитектуру и подход перед заказчиком, в том числе на уровне топ-менеджмента.
• Оценивать трудозатраты и формировать команду под реализацию.

Что важно для нас:

• Не менее 5 лет опыта в IT-разработке, сильный технический бэкграунд в Backend / Frontend / DWH / Data Engineering.
• Подтверждённый прикладной опыт внедрения LLM/GenAI-решений: RAG, агенты, LLMOps, интеграции с корпоративными источниками — от 2-х лет.
• Опыт самостоятельной разработки прототипов и работы с AI-инструментами, агентами, low-code и/или open-source платформами.
• Опыт руководства командами и внедрения технологических изменений: выстраивание процессов, стандартов и методологии работы.
• Понимание применения AI в SDLC: coding assistants, AI Code Review, agentic development, оценка качества и продуктивности разработки.
• Экспертиза в AI-инфраструктурном слое: Kubernetes, контейнеризация, GPU-inference, хостинг и дообучение русскоязычных LLM.
• Опыт участия в пресейлах IT-проектов: проработка архитектуры, подготовка и защита технических решений, оценка трудозатрат.
• Понимание требований ИБ (ФСТЭК, 152-ФЗ, КИИ) применительно к GenAI-контурам.

Будет плюсом:

• Опыт работы в IT-консалтинге или системной интеграции.
• Знание российского стека ИИ-решений (Yandex AI Studio, MWS GPT, GigaChat B2B).
• Опыт промышленной эксплуатации агентских сценариев у крупных корпоративных заказчиков.
• Опыт построения LLMOps-контура: model registry, версионирование промптов, evaluation, observability.
• Опыт работы в контурах с повышенными требованиями к безопасности (УЗ-1, ГИС К1, КИИ).
• Опыт обучения и развития команд по GenAI (топ-менеджмент, ИТ, бизнес).

Что мы можем предложить:

• Официальное оформление в штат аккредитованной ИТ-компании.

• Заработную плату обсуждаем индивидуально по итогам тех. собеседования.
• Гибкое начало рабочего дня. Гибридный формат работы. Очные встречи командами или работа в офисе по желанию. Командировки для сотрудников из других городов по желанию.
• Индивидуальный план развития: подбираем задачи для роста экспертизы, выделяем бюджет на обучение, предоставляем курсы и программы обучения (в т.ч. английскому языку), предоставляем обратную связь, регулярно обсуждаем развитие.

• Постоянный профессиональный и личный рост, самостоятельность в работе.

• Открытая корпоративная культура, минимум бюрократии и отчётов, а совещания только по необходимости и с чёткой программой.

• Корпоративный мерч.

• Корпоративный университет, наставничество и развитие, полис ДМС.

• Активности: волейбол, футбол, сквош и беговой клуб, участие в экологических программах.

Приходи к нам в команду, будем вместе создавать крутые и полезные вещи!