- Страна
- Россия
- Зарплата
- до 350 000 ₽
Откликайтесь
на вакансии с ИИ
AI Engineer
Оценка ИИИнтересный стек технологий (LangGraph, MCP, Optimization engines) и работа над сложным продуктом. Хорошая зарплатная вилка для РФ и возможность влиять на архитектуру AI-агентов в реальном бизнесе.
Сложность вакансии
Оценка ИИРоль требует не только глубоких знаний LLM и агентских фреймворков, но и понимания сложной бизнес-логики (планирование, оптимизация). Высокий порог входа обусловлен необходимостью интеграции AI в реальные производственные процессы и требованиями к английскому языку.
Анализ зарплаты
Оценка ИИПредложенная вилка до 350 000 рублей соответствует среднерыночным значениям для Senior AI Engineer в России. В крупных тех-гигантах или международных стартапах верхняя граница может быть выше, но для продуктовой компании в сфере IBP это конкурентное предложение.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте резюме @tetanec1, чтобы начать работу над передовыми AI-агентами для бизнес-планирования!
Описание вакансии
#jobs #vacancy #ai #llm #python
Добрый день!
Появилась новая позиция AI Engineer.
Вилка до 350 тыс. р
Компания строит платформу IBP / Integrated Business Planning для корпоративного планирования в цепочках поставок, логистике и финансах.
Команда развивает AI-ассистента для бизнес-планирования, который работает с реальными корпоративными данными и бизнес-логикой: анализирует внутренние данные, запускает алгоритмы прогнозирования и оптимизации, помогает пользователям с задачами планирования, объясняет результаты и находит возможности для улучшения бизнес-процессов.
Ищем AI Engineer, который будет проектировать и развивать AI-агентов, agentic workflows и LLM-инструменты для planning / forecasting / reporting / automation.
Основные задачи:
▪️ Разрабатывать AI-агентов и многошаговые agentic workflows.
▪️ Интегрировать LLM с API, базами данных, внутренними системами и бизнес-логикой.
▪️ Работать с RAG, embeddings, vector search, structured outputs, tool/function calling, memory/context.
▪️ Настраивать evaluation: качество ответов, корректность tool usage, reliability, safety, performance.
▪️ Улучшать prompts, tool definitions и reasoning flows.
▪️ Внедрять AI-функции в production вместе с product / development командами.
▪️ Общаться с бизнес-пользователями и превращать реальные planning-процессы в работу агента.
Что важно:
▪️ Сильный Python и инженерные практики: tests, CI/CD, Docker, Git.
▪️ Опыт вывода LLM / agent-based приложения в production.
▪️ Практический опыт с agent frameworks: LangGraph, Claude Agent SDK, OpenAI API или аналоги.
▪️ Опыт с API, backend-сервисами, SQL и базами данных.
▪️ Понимание RAG, embeddings, vector search, prompt engineering, structured outputs, tool/function calling и MCP.
▪️ Английский B2+.
Будет плюсом:
▪️ FastAPI / Django / PostgreSQL.
▪️ Time-series forecasting: gradient boosting, time-series foundation models и другие подходы.
▪️ Optimization engines: MILP, Pyomo, Gurobi, HiGHS, OR-Tools / CP-SAT.
▪️ Опыт с local / open-source LLM.
▪️ Опыт использования coding agents для быстрых production-like прототипов.
Интересно будет пообщаться? Пишите в тг: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- LangGraph
- RAG
- Docker
- CI/CD
- Git
- SQL
- PostgreSQL
- FastAPI
- Django
- Prompt Engineering
- Vector Search
- Embeddings
Возможные вопросы на собеседовании
Проверка практического опыта работы с современными фреймворками для создания агентов.
Расскажите о вашем опыте работы с LangGraph или аналогичными SDK: как вы проектировали циклические графы и обрабатывали состояния (state management)?
Оценка навыков обеспечения надежности ответов в корпоративной среде.
Как вы выстраиваете процесс Evaluation для AI-агентов, особенно в задачах, где важна точность вызова инструментов (tool calling) и структурированный вывод?
Проверка понимания работы с данными, что критично для IBP-платформ.
Какие стратегии индексации и поиска в RAG вы использовали для работы с табличными или структурированными бизнес-данными?
Оценка способности решать проблемы галлюцинаций и безопасности.
Как вы минимизируете риск галлюцинаций при использовании агентов для запуска алгоритмов прогнозирования и оптимизации?
Проверка инженерной культуры.
Опишите ваш подход к деплою и мониторингу LLM-приложений в продакшене: какие метрики вы отслеживаете в первую очередь?
Похожие вакансии
TeamLead MLOps / DevOps (Пайплайны)
Ассистент ИИ (AI Assistant)
AI креативный менеджер
Middle+ AI Engineer (Node.js)
Senior Computer Vision Engineer
Middle-разработчик (AI-инженер)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!