Технический лидер команды GenAI (Tech Lead)

Мы делаем продукты и решения на базе LLM, которые применяют сотрудники и клиенты компании, смежные подразделения и системы. Уже созданы AI-ассистент брокера – Финс, BCS GPT – решения для работы сотрудников с LLM, ИИ шлюз для интеграции смежных систем к LLM.

Сейчас у нас в production работают десятки LLM-интеграций, мы обрабатываем тысячи запросов в день и находимся на стадии запуска нового направления.

Ищем Tech Lead, который возьмёт на себя архитектуру и delivery наших AI-продуктов — человека с сильным backend-фундаментом и доказанным опытом вывода LLM-решений в production. Того, кто умеет балансировать между research-гипотезами и реальностью: latency, стоимостью инференса и SLA.

Ключевые задачи – создание единой векторной базы знаний, выстраивание процесса непрерывного улучшения качества ответов LLM и производственного цикла для создания новых решений, включая фабрику AI-агентов.

Как мы работаем (инженерный mindset):

• Не тащим LLM туда, где задача решается классическим ML или регулярными выражениями;
• Ключевое для нас, чтобы новое решение с LLM приносило финансовый эффект и экономило компании деньги, заменяя устаревшие функции и процессы;
• Считаем токены, latency и стоимость инференса — это такие же метрики продукта, как DAU и retention;
• Не верим в оценку «кажется, стало лучше» — строим датасеты и eval-пайплайны для измеримого качества;
• Стек: практически без ограничений, как open source, так и облачные LLM, включая зарубежных провайдеров.

Чем предстоит заниматься:

• Проектирование и развитие архитектуры GenAI-решений от прототипа до production: выбор паттернов (prompt-based, RAG, агенты, fine-tuning) с явным учётом unit-экономики;
• Построение надёжных LLM-пайплайнов: RAG (chunking, embeddings, reranking), управление контекстом, tool use / function calling;
• Внедрение LLMOps-практик: observability, трассировка, offline/online evals, guardrails, A/B-тестирование качества;
• Руководство командой из 10 сотрудников: декомпозиция, delivery, code и architecture review, инженерные стандарты, управление качеством;
• Участие в найме;
• Работа с продуктом и бизнесом: реализация бизнес-потребностей в виде технических решения с документированными компромиссами.

Наши ожидания:

• Backend-разработка от 5 лет (Python, микросервисы, K8s, асинхронность, очереди) — не как формальный фильтр, а как базовая инженерная зрелость;

• Минимум 2 года в AI/ML или GenAI с кейсами вывода в production: не PoC, не pet-проекты — реальные системы с SLA, мониторингом и обработкой инцидентов;

• Глубокое понимание устройства LLM: ограничения, галлюцинации, context window management, structured output;

• Практический опыт с векторными базами данных и оценкой качества retrieval (precision@k, nDCG, MRR);

• Интеграция AI-компонентов в enterprise или B2B SaaS, включая работу с PII и compliance-требованиями.

​​​​​​​Будет сильным плюсом:

• Опыт проектирования multi-agent систем и workflow orchestration;
• Self-hosted inference: vLLM, квантизация, оптимизация throughput;
• Fine-tuning, LoRA, RLHF/DPO — хотя бы понимание когда это оправдано, а когда нет;
• Опыт в регулируемых доменах (финтех, медицина, госуправление).

Мы предлагаем:

• Стабильный конкурентный доход;
• Гибридный режим работы: возможность работать удаленно (частично или полностью);
• Работу в аккредитованной Минцифры России ИТ-компании, резиденте Сколково;
• Работу в стабильной и активно развивающейся компании – лидере инвестиционного рынка;
• Современный стек технологий, амбициозные проекты, возможность профессионального развития;
• ДМС с первого месяца работы;
• Оформление согласно ТК РФ;
• Корпоративные скидки и предложения для сотрудников.