О роли

Мы ищем AI Engineer, который поможет внедрить и масштабировать AI-инструменты внутри компании и продуктовой экосистемы.
Роль включает разработку AI-решений для автоматизации процессов, аналитики, ускорения разработки продуктов и повышения эффективности бизнеса.

Технические компетенции. Обязательные требования

• Python и ML-стек - Уверенное владение Python на уровне Senior- PyTorch / TensorFlow, NumPy, Pandas, Scikit-learn
• LLM и Prompt Engineering - Разработка промптов, оценка качества ответов, RAG-архитектуры -OpenAI API, Anthropic Claude, Gemini, LangChain
• Векторные базы данных - Работа с эмбеддингами и семантическим поиском-Pinecone, Weaviate, Qdrant, pgvector
• Развёртывание моделей - Работа с эмбеддингами и семантическим поиском- Pinecone, Weaviate, Qdrant, pgvector
• Развёртывание моделей- Упаковка и деплой моделей, API-интеграция-Docker, FastAPI/Flask, Kubernetes, AWS/GCP/Azure
• AI-агенты и пайплайны-Разработка агентных систем, tool use, function calling- LangChain, LlamaIndex, AutoGen

Желательные требования

• Fine-tuning моделей-Дообучение LLM под доменные задачи- LoRA, QLoRA, RLHF, Hugging Face

• MLOps и мониторинг- Отслеживание экспериментов, версионирование, мониторинг дрейфа- MLflow, Weights & Biases, LangSmith

Опыт

• От 2 лет коммерческого или проектного опыта разработки AI/ML-систем, работающих в продакшне
• Подтверждённый опыт интеграции LLM-компонентов в реальный продукт через API
• Опыт построения RAG-пайплайнов и агентных систем
• Знание методов оценки качества моделей (benchmarking, human evaluation, automated eval)
• Приветствуется: GitHub-портфолио, Kaggle, статьи, участие в конференциях

Личные качества:

• Исследовательский склад ума. Готовность разбираться в новых архитектурах по мере их выхода. Область меняется каждые несколько недель
• Кросс-функциональное взаимодействие. Умение объяснять AI-решения продактам, дизайнерам и бизнесу без технического жаргона
• Ответственность за качество. Внимание к тестированию на граничных кейсах, безопасности и этике AI-систем
• Прагматизм в сроках. Умение выбирать между идеальным решением и MVP, оценивать трейдоффы скорости и точности

Какие задачи будут стоять:

1.Разработка AI-функций внутри мобильного приложения и платформы:

Loyalty / Personalization

• personalization engine
• recommendation systems
• Next Best Offer
• динамический cashback
• AI loyalty mechanics
• AI marketing automation
• персональные офферы
• AI сегментация клиентов
• Mobility / EV направление:

• прогнозирование спроса АЗC/ЭЗС
• smart routing
• AI рекомендации по заправкам и зарядным станциям
• AI модели поведения водителей
• прогнозирование customer behavior

2.Разработать и внедрить AI-driven analytics:

• AI dashboards
• AI insights generation
• predictive analytics
• anomaly detection
• churn prediction
• LTV prediction
• customer segmentation
• behavioral analytics
• AI-рекомендации для growth-команды
• автоматическая генерация аналитических выводов
• интеграция с DWH и BI
• работа с большими объемами данных
• real-time аналитика
• event-driven processing
• AI-модели прогнозирования

3. Разработка и внедрение AI-ассистентов:

• Support Copilot
• Internal Copilot
• Product Copilot
• Partner Copilot
• Executive AI dashboards
• AI knowledge base
• AI аналитические assistants

4. Необходимо с нуля внедрить AI-инструменты для:

• AI-assisted development
• AI code generation
• AI code review
• AI documentation generation
• AI test generation
• AI QA assistant
• AI Product Copilot
• AI для генерации user stories
• AI для decomposition задач
• AI для roadmap planning
• AI для технической документации

Будет большим плюсом:

Если есть опыт в:

• loyalty systems
• fintech
• mobility
• EV charging
• retail
• recommendation engines
• customer analytics
• marketing automation
• AI Ops
• monitoring AI quality
• hallucination mitigation
• prompt evaluation
• AI observability
• AI cost optimization
• AI monitoring

Ожидаемый результат:

Через 3–6 месяцев:

• AI становится core capability компании
• сокращается TTM
• ускоряется разработка и delivery
• повышается retention и GMV
• снижается нагрузка на support и operations
• команды используют AI daily basis
• AI-driven analytics используется для принятия решений
• продуктовая команда работает быстрее и эффективнее