G

Senior AI Automation Engineer — Knowledge Graphs & LLMs (Python, Java)

At Graphwise, we're helping organizations unlock the full value of their data in the age of AI.Formed through the merger of Ontotext and Semantic Web Company, Graphwise combines decades of expertise in knowledge graphs, semantic technologi…

graphwise · На сервисе с: 27.08.26 21:13

Зарплата не указанаПольшаКипрВеликобританияГерманияНидерландыИспанияПортугалияСербияЧехияЛюксембургМолдоваЛатвияЧерногорияЛитваШвейцарияЭстонияВенгрияИсландияНорвегияРумынияФинляндияФранцияАвстрияГрецияДанияИталияСловакияУдалёнка

Who we are

At Graphwise, we're helping organizations unlock the full value of their data in the age of AI.Formed through the merger of Ontotext and Semantic Web Company, Graphwise combines decades of expertise in knowledge graphs, semantic technologies, and AI. Our platform helps enterprises transform fragmented data into connected, trusted knowledge that powers better decisions, smarter search, and more reliable AI solutions.With a global team of 200+ professionals across Europe, North America, and APAC, we work on complex, meaningful challenges at the intersection of data, AI, and innovation.If you're excited by cutting-edge technology, continuous learning, and solving real-world problems, you'll feel right at home at Graphwise.


About the Job

At Graphwise, we combine state-of-the-art semantic web technologies with industry-specific data and deep process expertise to build the next generation of Graphwise’s GraphRAG and Graph Automation products. Agentic AI based on Large Language Models (LLMs) is transforming how users interact with their business applications, but pre-trained LLMs have a limited understanding of structured and unstructured business data – such as data models, process metadata, and documentation – which makes using agents at scale for complex tasks challenging. Our mission is to overcome this challenge by using Knowledge Graphs (KGs) to address LLM issues such as hallucination, explainability, and compliance.

We are looking for an Engineer who can bridge the gap between scientific research and production AI engineering. You will work at the intersection of knowledge graphs, LLMs, and workflow automation to build scalable, explainable pipelines that power graph retrieval-augmented generation, semantic enrichment, multi-hop reasoning, and automated graph construction (ontologies, taxonomies, and knowledge graphs). Please note that this is not a data science or applied AI position; you need to be an engineer who can ship features with a model.


What You Will Do

  • Contribute to the technical direction and productization of a composable, multimodal GraphRAG and Graph Automation architecture that supports unstructured, semi-structured, and structured business data (including code and text).
  • Translate advances in LLMs, vLLMs, multimodal learning, and knowledge graphs into a clear technical roadmap, aligning R&D researchers and software engineers on hypotheses, prototyping, acceptance criteria, and architectural decisions.
  • Design, optimize, and implement scalable data ingestion, transformation, and enrichment pipelines, as well as caching and state management.
  • Integrate various language models – such as encoder-only models, decoder-only generative LLMs, and embedding models – into production through clean, reliable APIs, and build complex automated workflows using tools like n8n that connect platform products such as GraphDB, Graph Modeling, and Semantic Analytics.
  • Uphold the team’s high technical bar through reviews, AI evaluation standards, and hands-on contributions, debugging complex issues across distributed AI and data pipelines.
  • Diagnose and remediate LLM hallucinations, gaps, and accuracy issues.
  • Architect robust prompt-engineering strategies that balance quality, latency, and cost.
  • Maximize LLM efficiency through token optimization and intelligent caching.
  • Design for high concurrency, fault tolerance, and comprehensive observability.
  • Thrive in ambiguous, rapidly evolving technical environments.
  • Balance immediate tactical execution with long-term strategic product vision.


Our Stack

  • Languages: Python, Java, Node.js 
  • Graph and semantics: the Graphwise platform, including GraphDB (our RDF graph database), and related products such as Graph Modeling and Semantic Analytics 
  • LLMs and RAG: LangChain/LlamaIndex, embedding models, and GraphRAG architectures 
  • Search and retrieval: Elasticsearch/OpenSearch, Lucene, and various other vector store connectors
  • Streaming, storage, and ingestion: S3, Kafka for data, and PostgreSQL 
  • Automation and delivery: n8n for workflow automation (central to this role), Jenkins for CI/CD, GitLab for version control, Kubernetes and Docker for deployment, Grafana and Prometheus for observability


What makes a good candidate

  • 4+ years of experience in backend, data engineering, or software engineering, with strong proficiency in Python and/or Node.js; experience with statically typed languages such as Java is a plus but not required.
  • Extensive experience with workflow automation tools such as n8n, Haystack, LangDock, Airflow, or similar, and a solid understanding of API design and the integration of external services into complex data flows.
  • Demonstrated experience integrating and deploying LLM-based systems (Azure AI, AWS Bedrock, Google Vertex, HuggingFace, etc.) to production, including prompt engineering, evaluation (RAGAS, LLM-as-a-judge), and building LLM and ETL pipelines for data ingestion and indexing.
  • At least 1 year of experience with advanced RAG systems (beyond vanilla RAG) in production (not tutorials or demos).
  • Full professional proficiency in English (our primary working language).

Note: Hands-on knowledge graph experience is not required. If you know how to ship LLM-integrated features and data/software engineering, we can get you up to speed on graphs.


Nice-to-have-s

  • Hands-on experience with graph technologies (e.g., RDF(S), GraphDB, Apache Jena, Blazegraph, or similar) and graph embeddings, or professional experience integrating knowledge graphs with LLMs.
  • MLOps exposure, including CI/CD for ML, experiment tracking, model versioning, and production monitoring.
  • Familiarity with multi-agent workflows and related orchestration patterns.
  • Familiarity with even-driven systems (e.g., Kafka/Redis)
  • Experience with distributed systems and cloud platforms (AWS, GCP, Azure).
  • Hands-on experience with schema languages (RDFS/OWL, SHACL, JSON Schema, etc.)
  • Contributions to relevant open-source projects.


What you will get

  • The opportunity to work on cutting-edge projects in AI, knowledge graphs, and enterprise data.
  • Flexible working arrangements and a healthy work-life balance.
  • Competitive compensation and performance-based bonus opportunities.
  • Additional health insurance and well-being benefits.
  • A collaborative, international environment with colleagues across Europe, North America, and APAC.
  • Access to learning resources, knowledge-sharing initiatives, and opportunities for continuous professional growth.
  • The chance to work alongside some of the leading experts in semantic technologies and AI.
  • Team gatherings, company events, and opportunities to connect beyond day-to-day work.


Graphwise is an equal opportunity employer. We do not and will not discriminate on the basis of age, disability, sex, race, religion or belief, gender reassignment, marriage or civil partnership status, pregnancy or maternity, or sexual orientation. All employment decisions, including recruitment, hiring, development, promotion, compensation, and other terms and conditions of employment, are based on merit, qualifications, performance, and business needs. We are dedicated to providing an environment free from discrimination, harassment, and bias, and we welcome applications from all qualified candidates.


Похожие вакансии Специалист по внедрению AI

hh.ru
систэм электрик

Специалист по внедрению ИИ

систэм электрикНа сервисе с: 24.09.26 18:10
Зарплата не указанаРоссияМоскваГибрид

Мы активно внедряем ИИ в продукты и внутренние ИТ- и бизнес-процессы. Развиваем это направление во многих подразделениях компании, применяем различные инструменты для решения задач. Ищем специалиста, у которого уже есть опыт внедрения ИИ и который усилит текущую команду своей экспертизой.

Если коротко, то нужно оценить входящую идею, понять применим ли здесь ИИ, если применим – понять, что требуется для реализации, проанализировать и согласовать решение, внедрить его, подготовить документацию, обучить заказчика, собрать обратную связь по итогам внедрения, контролировать работоспособность, поддерживать и развивать продукт.

У нас есть наставники, разработчики и интересные практические кейсы.

Обязанности:
  • Анализировать бизнес-процессы компании и находить точки для автоматизации на основе ИИ.
  • Переводить задачи бизнеса в технические требования, определять ресурсы и план внедрения.
  • Оценивать и подбирать AI-сервисы, модели и технологические подходы для решения задач бизнеса.
  • Внедрять и поддерживать: RAG-системы, корпоративные базы знаний, AI-агентов.
  • Проектировать логику агентов: tool-calling, оркестрацию, работу с low-code/no-code платформами (n8n, аналоги).
  • Разрабатывать, тестировать и оптимизировать промпты, вести их версионирование.
  • Строить сценарии автоматизации через прямую работу с API.
  • Закладывать в решения требования к отказоустойчивости, производительности и масштабируемости
  • Разворачивать и настраивать AI-инструменты на инфраструктуре компании, доводить решения до промышленного качества
  • Разворачивать и дообучать собственные модели на сервере (fine-tuning, локальный инференс)
  • Определять схему размещения, организовывать тестовый и промышленный контуры, формулировать требования к инфраструктуре (CPU/GPU, storage, networking)
  • Интегрировать решения с корпоративными системами, системами авторизации и мониторинга
  • Координировать работу с IT-командой, разработчиками и заказчиками.
  • Согласовывать с командой информационной безопасности варианты имплементации ИИ.
  • Контролировать передачу данных внешним провайдерам, оценивать риски внешних LLM/API.
  • Управлять доступом и разграничением прав пользователей и агентов.
  • Технически оценивать предложения подрядчиков, формировать технические требования, участвовать в пилотировании вендорских решений, тестированиях.
  • Измерять эффективность внедрённых решений через метрики.
  • Обучать сотрудников работе с внедрёнными ИИ сервисами.
  • Сопровождать и поддерживать ИИ-проекты после внедрения.
  • Масштабировать успешные кейсы на другие подразделения.
Требования:
  • Практический опыт работы с LLM (ChatGPT, Claude, Gemini и др.) через API, а не только через веб-интерфейс
  • Понимание принципов работы transformer-архитектур, эмбеддингов, токенизации
  • Понимание Docker и контейнеризации для развёртывания сервисов
  • Опыт внедрения и интеграции IT-решений
  • Понимание enterprise IT-ландшафта корпоративных систем
  • Понимание требований информационной безопасности при работе с ИИ и основ работы с персональными данными, конфиденциальной информацией
  • Навыки Prompt Engineering: few-shot, chain-of-thought, structured output. Опыт разработки, тестирования и версионирования промптов - желательно
  • Владение Python как преимущество
  • Опыт работы с vLLM, Ollama и подобными платформами
  • Понимание и опыт работы с API
  • Знание базового SQL
  • Знание основ анализа данных и машинного обучения
  • Опыт построения RAG-систем и работы с векторными базами данных – как преимущество
  • Опыт работы с фреймворками для оркестрации LLM: LangChain, LlamaIndex или аналоги как преимущество
  • Практика работы с low-code/no-code платформами автоматизации (n8n) как преимущество
  • Опыт дообучения открытых моделей и квантизация как преимущество
  • Опыт работы с GPU-серверами, CUDA, оптимизации инференса под железо как преимущество
  • Понимание основ MLOps/LLMOps: версионирование моделей, мониторинг, логирование инференса; Kubernetes как преимущество
  • Опыт работы в промышленностиьили в крупных компаниях как преимущество
  • Опыт внедрения чат-ботов, голосовых ассистентов, систем распознавания как преимущество
  • Аналитическое мышление: умение анализировать задачи бизнеса, оценивать эффективность решений и переводить их на язык технических требований
  • Коммуникабельность и навыки презентаций: работа с разными стейкхолдерами — разработчиками, аналитиками, руководством, подрядчиками, умение говорить нет и обосновывать почему
  • Наставничество: умение обучать сотрудников работе с внедрёнными AI-системами
  • Инициативность и проактивность, готовность к обучению и быстро осваивать новые AI-инструменты и модели
  • Системный подход и внимательность к деталям, ответственность за качество решений
  • Высшее образование
  • Опыт работы в IT 4+ лет, управление крупными IT/цифровыми проектами, внедрение ИИ.
Условия:
  • Оформление в соответствии с ТК РФ, наличие IT аккредитации Минцифры;
  • Конкурентоспособное вознаграждение, годовые бонусы;
  • ДМС (со стоматологией) и страхование жизни;
  • Индивидуально обсуждаем возможность удаленного формата работы с командировками в Москву;
  • Возможности для карьерного роста и профессионального развития;
  • Уникальная корпоративная культура, которая поощряет индивидуальные достижения и ценит командную работу;
  • Работа в команде профессионалов одного из крупнейших производителей электротехнического оборудования.
Сайты компаний
Зарплата не указанаРоссияМоскваГибрид

Ищем специалиста в команду методологии, который будет разрабатывать, внедрять и поддерживать процессы и стандарты для проектов в сфере классического машинного обучения (classic ML) и интеллектуальных агентов (AI-агентов). Кандидат должен обладать глубоким пониманием жизненного цикла ML-проектов, современных подходов к построению AI-агентов, а также опытом формализации и масштабирования лучших практик.

·         Разработка и описание методологий и процессов для реализации проектов в области Classic ML и AI-агентов.

·         Формирование стандартов по этапам жизненного цикла моделей: от постановки задачи до внедрения.

·         Внедрение процессов разработки и внедрения Classic ML и AI-агентов.

·         Поддержка команд в применении методологии, проведение meetup’ов и консультаций.

·         Анализ и внедрение новых подходов в области ML и AI-агентов, адаптация лучших практик под специфику компании.

·         Подготовка технических заданий, user stories, sequence диаграмм.

·     Проектирование архитектуры процессов совместно с техническими специалистами (архитекторами, разработчиками).

  • Понимание принципов BPMN, IDEF0, EPC для моделирования и описания бизнес-процессов.
  • Глубокое понимание жизненного цикла ML-проектов (от сбора данных до эксплуатации моделей).
  • Знание принципов построения и обучения AI-агентов .
  • Опыт работы разработки процессной, методологической или проектной документации.
  • Аналитическое мышление: умение работать с данными, формировать отчеты, визуализировать статусы и метрики.
  • Самостоятельность: готовность брать на себя ответственность за организационные вопросы и эскалацию проблем.
  • Умение работать с командами разработки, аналитики и продуктовыми менеджерами.
  • Желание развиваться в AI / MLOps: интерес к технологиям машинного обучения, платформенным решениям и процессам разработки AI.

Будет плюсом:

  • Опыт внедрения MLOps-практик.

  • Опыт внедрения стандартов управления проектами (PMBOK, PRINCE2, Agile/Scrum).

  • Навыки проектирования архитектуры систем, баз данных, интеграционных взаимодействий

  • Знание методов интеграций, форматов и стандартов (REST, SOAP).

  • Понимание транспортных протоколов (HTTP, HTTPS)

  • Понимание взаимодействие через Kafka, MQ

  • Навыки адаптации стандартов под специфику ML/AI-проектов.

  • Знание современных архитектур AI-агентов (например, RL, планировщики, оркестраторы).

  • Опыт работы с большими данными и распределёнными вычислениями.

  • Навыки программирования на Python, опыт работы с ML-библиотеками (scikit-learn, TensorFlow, PyTorch).

  • комфортный современный офис рядом с м. Тульская

  • возможность выбрать удобный график – офис/гибрид

  • ежегодный пересмотр зарплаты и годовая премия

  • корпоративный спортзал и зоны отдыха

  • более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

  • 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

hh.ru
П

IT-менеджер / специалист по AI-автоматизации и интеграциям

пузырный вячеслав игоревичНа сервисе с: 24.09.26 19:22
90k–200k ₽РоссияМоскваУдалёнка

OsteoFace ищет IT-менеджера / AI-интегратора

Нужен сильный технический специалист, который умеет не только обсуждать идеи, а самостоятельно внедрять и доводить автоматизации до рабочего результата.

Что предстоит делать:
— интегрировать CRM, мессенджеры, соцсети и AI-сервисы;
— работать с ChatGPT/Claude и AI-агентами;
— связывать системы через API, webhook, Albato/Make и другие инструменты;
— автоматизировать Instagram, WhatsApp, Telegram, Google Calendar, Airtable/CRM;
— настраивать передачу лидов, уведомления, запись клиентов и аналитику;
— находить и устранять ошибки в автоматизациях;
— самостоятельно предлагать более простые и эффективные технические решения;
— документировать систему так, чтобы компания не зависела от одного специалиста.

Что для нас важно:
— практический опыт интеграций и автоматизации;
— понимание API, webhook, JSON;
— опыт работы с no-code/low-code платформами;
— умение разбираться в незнакомом сервисе самостоятельно;
— способность доводить задачу до работающего результата;
— аккуратность с доступами и данными.

Большой плюс: Chatfuel, Meta/Instagram API, WhatsApp API, Airtable, Albato, Make, n8n, Telegram Bot API, Google Calendar, OpenAI API.

Мы строим единую AI-систему OsteoFace и ищем человека, который сможет стать техническим ядром этой системы.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.