ИИ-инженер / AI Engineer middle+/senior (LLM-агенты) (Python, TypeScript)

Мы аккредитованная ИТ компания, которая входит в состав крупного промышленного холдинга. Мы — команда профессионалов, увлеченных инновациями в IT и стремящихся сделать бизнес более технологичным. В нашем портфолио уже более 30 успешных проектов по автоматизации различных процессов: от бухгалтерии до HR.

Сейчас мы в поиске Ведущего разработчика с фокусом на Python и AI

Обязанности:

1. Разработка backend-сервисов на Python c LLM и ML решений
2. Интеграция и автоматизация процессов с использованием n8n, hermes ai
3. Работа с LLM (интеграция, prompt engineering, кастомные сценарии)
4. Разработка и внедрение ML
5. Интеграция внешних и внутренних API
6. Участие в разработке frontend-части (React, django)
7. Оптимизация и поддержка решений в продакшн

Требования:

• Уверенный Python, Git
• Интеграции и автоматизация: n8n, HERMES AI
• API: REST/JSON, разработка и интеграция внешних сервисов, авторизация (OAuth, API keys)
• LLM: OpenAI / open-source модели, prompt engineering, PyTorch, TensorFlow, LQM (крупные количественные модели)
• React: компонентный подход, работа с API, верстка, состояние приложения
• Понимание RAG и основ Machine Learning
• Docker, CI/CD, MLOps, оптимизация inference, YOLO (Ultralytics), 1С

Условия:

• график работы с 9:00 до 18:00 по Самарскому времени; возможен удаленный формат работы;

• программы адаптации для комфортного вхождения в роль;
• расширенный ДМС и новогодние подарки для детей; материальная помощь в связи со значимыми событиями;
• обучение и профессиональное развитие через участие в конференциях и корпоративный университет;
• корпоративная культура с регулярными мероприятиями для всех сотрудников.

Ждем тебя в нашей команде!

Обязанности:

• Разработка и сопровождение решений на базе LLM
• Настройка и развитие RAG-систем
• Развертывание и сопровождение моделей в промышленной среде
• Настройка процессов индексации и поиска по корпоративным данным
• Интеграция AI-решений с внутренними системами Банка через API
• Настройка и сопровождение векторных баз данных
• Оптимизация производительности и стоимости AI-сервисов
• Настройка мониторинга качества работы моделей
• Участие в выборе технологий и архитектурных решений
• Взаимодействие с командами разработки, инфраструктуры, ИБ и бизнес-подразделениями.

Требования:

• Опыт работы ML Engineer от 2 лет
• Уверенное владение Python
• Опыт работы с FastAPI
• Опыт работы с Docker
• Опыт работы с Kubernetes
• Опыт работы с PostgreSQL
• Опыт работы с Git
• Практический опыт работы с LLM
• Практический опыт работы с RAG-системами
• Опыт работы с векторными БД (Qdrant, Milvus, Weaviate или аналоги)
• Понимание принципов CI/CD

Условия:

• Работу в надёжном и динамичном банке №1 среди частных банков Узбекистана
• Конкурентную официальную зарплату
• Оформление по ТК РУз, «белая» зарплата
• Отпуск: 21 день + 7 дополнительных
• Премии к праздникам и выплаты за выполнение ключевых задач
• Поддержку в сложных жизненных ситуациях
• Выгодные условия по кредитам для сотрудников со стажем от 1 года
• График 5/2, с 9:00 до 18:00
• Корпоративное обучение — от внутренних экспертов и внешних тренеров

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.