AI / LLM Engineer

CDM — генподрядная компания: строительно-монтажные работы «под ключ» в сегменте офисной недвижимости. При этом весь софт, на котором работает компания, мы написали сами — и по способу разработки мы, вероятно, одна из самых AI-native команд в стране.

Что у нас уже построено

— Cerps — собственная ERP-платформа, в которой работает вся компания: кадры, договоры, финансы, закупки, документооборот. Это не «база с формами»: новые таблицы и поля заводятся через API без миграций, есть свой язык запросов, права доступа настраиваются до уровня полей и компилируются в SQL, автоматизации выполняются скриптами в песочнице. Порядка 850 тысяч строк TypeScript.

— Платформа ИИ-агентов. В Cerps наравне с людьми работают ИИ-агенты — со своими учётными записями и правами. Они ведут закупки, переписываются с поставщиками, готовят кадровые документы, заводят транзакции; человек согласует ключевые действия. Агентов будет больше, платформу под них нужно развивать.

— AI-сметчик — загрузка чертежей и спецификаций, извлечение позиций vision-моделями.

— Собственная инфраструктура — почта, файловое хранилище, календарь, интеграции с 1С, банками и ЭДО. Всё self-hosted и под нашим контролем.

Стек: TypeScript (Bun, NestJS, React 19, Vite, Tailwind, shadcn/ui), Python (FastAPI), PostgreSQL, Redis, BullMQ, Socket.IO, Docker, Prometheus, Grafana.

Как мы работаем

Код у нас пишут агенты (Claude Code / Codex / OpenCode) — руками почти не пишем. Работа разработчика — это архитектура, декомпозиция, постановка задач агентам, ревью и ответственность за результат. Поэтому нам не так важно, сколько строк вы написали руками, — важно, умеете ли вы думать о системах и доводить их до продакшена.

И мы работаем вместе, в офисе. Задачи обсуждаются лицом к лицу, решения принимаются быстро, а заказчик вашего кода — сама компания — сидит в соседних кабинетах, и результат работы виден каждый день. Если вам ближе формат «удалённо и не отвлекайте» — нам, скорее всего, не по пути.

Что предстоит делать

— развивать Cerps: стабилизировать текущие модули и строить новые;
— развивать платформу ИИ-агентов: новые роли агентов, API, интеграции, автоматизации;
— работать по всему стеку компании — от ERP и агентов до интеграций и инфраструктуры;
— вести задачи от идеи до готового решения в связке с ведущим разработчиком.

Кого мы ищем

— вы уже разрабатываете с помощью AI-инструментов и знаете, как получать от них результат, а не демо;
— уверенно владеете TypeScript или Python — второй язык освоите у нас;
— думаете архитектурой: можете спроектировать модуль, а не только реализовать тикет;
— вам интересно работать там, где ваш продукт каждый день использует вся компания — и люди, и агенты.

Мы предлагаем

— возможность строить платформу для ИИ-агентов, которые делают реальную работу, — а не читать про это в блогах;
— современный стек, свой продукт и короткую дистанцию до результата;
— рост до самостоятельного ведения проектов;
— зарплату 160 000–200 000 ₽ на руки; для кандидатов с сильным опытом условия обсуждаются отдельно.

• разработка production-сервисов, бизнес-логики и мультимодальных ETL/ELT-пайплайнов
• продуктовая разработка DS-решений: перевод прототипов в сервисы с многопоточностью, batching и кэшированием
• интеграция CV/NLP/ML-моделей (каскады) через vLLM, SGLang, PyTorch, ONNX; оптимизация инференса на GPU
• построение RAG-систем (включая мультимодальные): chunking, эмбеддинги, индексация, retrieval
• написание промптов для агентов, настройка Guardrails, проведение бенчмарков и нагрузочных тестов
• технический ресерч ML/AI-инструментов, внедрение CI/CD, мониторинга и безопасности.

• Опыт в DA и ML от 3-х лет;
• Хорошее владение мат. статистикой;
• Понимание принципа работы основных алгоритмов классического ML;
• Опыт работы с табличными данными, временными рядами;
• Опыт решения задач кластеризации, регрессии, классификации;
• Опыт работы с xgboost/catboost/lightgbm;
• Умение писать промышленный код;
• Умение самостоятельно строить план работы и оценивать свои силы;
• необходим практический опыт разработки асинхронных и многопоточных приложений (asyncio);
• умение строить отказоустойчивые системы с применением rate limiting, circuit breaker и обеспечением идемпотентности;
• обязателен опыт тестирования ML-систем и оценки качества LLM/RAG на основе golden datasets;
• Будет плюсом: опыт работы в промышленности.

• Удалённый или гибридный формат работы;
• ежегодный пересмотр зарплаты, годовая премия;
• корпоративный спортзал и зоны отдыха;
• Возможность обучения за счет работодателя;
• Поддержка от компании в жизненно важных событиях;
• Бесплатный доступ к электронной библиотеке.

«История операций» — это один из самых высоконагруженных и посещаемых экранов в приложении. Наша цель — превратить сухие строчки чеков в умную, интерактивную ленту. Мы внедряем LLM, чтобы пользователь мог общаться со своими финансами на естественном языке, получать моментальные умные инсайты, автоматические теги и персонализированную аналитику расходов.

• Разрабатывать и внедрять ИИ-агентов (LLM Agents): проектировать логику рассуждений агентов на базе GigaChat, обучать и дообучать модели (Finetuning, LoRA/QLoRA), настраивать вызов внешних инструментов (Tool Calling, API, SQL-скрипты) под задачи банкинга.
• Проектировать и обучать классические ML-модели: разработать точечную ML-модель для анализа транзакционных и табличных данных (классификация, кластеризация или скоринг) для обогащения контекста агента.
• Строить RAG-системы: проектировать архитектуру контекстного поиска ответов по сложным финансовым логам, чекам и документам пользователя.
• Анализировать и дорабатывать корзину запросов: оценивать результаты ответов агентов на предмет качества и ошибок, согласовывать метрики (Guardrails, Ragas), защищать подходы перед бизнесом и показывать ценность данных на понятном языке.
• Обеспечивать надёжность и оптимизировать воркфлоу: минимизировать задержки (latency) ответов, настраивать мониторинг внедрённых решений и контролировать траекторию поведения агента, полностью исключая галлюцинации в продакшене.

Наш идеальный кандидат

• Имеет опыт в LLM от 2-3 лет: запускал языковые модели в продакшн (Transformers, BERT, GPT-подобные архитектуры).
• Мастерски владеет Python: знает библиотеки PyTorch, Hugging Face, LangChain, LlamaIndex.
• Понимает специфику работы с LLM: умеет эффективно настраивать Prompt Engineering, оптимизировать инференс (vLLM, TensorRT-LLM) и оценивать качество генерации (Ragas, TruLens).
• Обладает базой в классическом машинном обучении: понимает алгоритмы Classic ML, умеет работать с табличными данными и признаками (CatBoost / LightGBM / Scikit-learn).
• Дружит с Big Data: уверенно пишет сложные запросы на SQL (Hive/Spark) для подготовки датасетов.

Почему это вакансия-мечта

• Масштаб и влияние: ваш код и обученные модели будут работать в смартфонах каждого второго жителя страны.
• Топовый стек и ресурсы: доступ к мощным суперкомпьютерам Сбера для обучения крупнейших моделей.
• Минимум бюрократии: мы работаем по гибким методологиям внутри сильного DS-сообщества.
• Забота и бенефиты: конкурентная белая зарплата, годовые бонусы, ДМС
• Тренажерный зал (работает даже сейчас)
• Современный IT-офис с пуфами, игровыми зонами и т.д.
• Умопомрачительные виды на Москву

Профильное обучение, митапы, конфы, воркшопы внутри и вне компании

Если вы хотите быть у истоков создания принципиально новой, умной истории операций — давайте создавать будущее финтеха вместе!