Наша AI-команда разрабатывает AI-Агентов, ML-модели и LLM-приложения для корпоративного бизнеса в Корпоративно-инвестиционном блоке, полностью выполняет весь цикл работ: от сбора и анализа данных до разработки/внедрения моделей в ПРОМ, мониторинга и защиты решений от Банковских регуляторов.
Продуктовая команда, в которой предстоит работать, занимается разработкой и внедрением AI-решений, направленных на агентизацию процесса цифровой трансформации бизнеса клиентов в Сбере (направление DTaaS). Эти инструменты призваны оптимизировать и улучшить работу наших внутренних специалистов-сотрудников Сбера : менеджеров по успеху клиентов (CSM) и клиентских менеджеров сегмента ККСБ.
В том числе мы:
Разрабатываем и внедряем AI-агентов на базе LLM (как правило, линейка моделей SberDevice - GigaChat).
Используем современный стек: A2A, MCP, LangGraph, LangChain, Kubernetes, Hadoop, Elastic и многое другое.
Реализуем оркестрацию AI-Агентов, мултиагентные мультимодальные системы, RAG-сервисы.
Участвуем в проектах по иференсу open-source LLM на собственном кластере GPU, разработке NoCode-фабрики Агентов.
Развиваем свой AutoML фреймворк совместно с Sber AI Lab и работаем с SotA-архитектурами.
Строим витрины данных и BI-дашборды для мониторинга ML-моделей, AI-Агентов.
Обязанности
- разработка и внедрение AI-Агентов в production
- разрабатывать end-2-end интеграции с внешними системами и другими сервисами по протоколам Kafka, REST API, gRPC, WS и др.
- сопровождать релизы моделей и агентов: документации, демо, защита решений от регуляторов
- взаимодействовать с бизнес-заказчиками, архитекторами и продуктовыми командами для развития AI-решений в бизнесе
Требования
- опыт работы в роли ML-инженера, DS, MLOps или Python Backend в ML
- ВАЖНО: опыт промышленной разработки на Python, знание ООП/паттернов проектирования и опыт работы с микросервисной архитектурой
- опыт работы с большими объёмами данных и распределенными хранилищами данных: например, Hadoop
- опыт работы с фреймворками для построения AI-агентов, такими как LangChain или LangGraph, базовые знания ML/DL
- владение инструментами для LLM-мониторинга и MLOps/ CI & CD.
Будет плюсом:
• опыт работы с распределенными очередями задач и сообщений, потоковой обработки данных - celery, taskiq, rabbitmq, Kafka, faststream
• опыт разработки высоконгруженных систем, гео-распределенных систем, оpenShift/Kubernetes
• опыт в инженерии данных.
Условия
- гибридный формат работы в офисе на Уральской, 1 (г. Санкт-Петербург), есть корпоративная развозка от метро, зоны отдыха, столовая
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
- расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
- бесплатная подписка СберПрайм+ с возможностью совместного использования на трёх близких
- вознаграждение за рекомендацию друзей в команду Сбера.
