GenAI Practice Lead
Оценка ИИОтличная вакансия для эксперта уровня Lead/Head: масштабные задачи, работа с передовым стеком GenAI и возможность влиять на процессы всей компании. Известный бренд работодателя и гибридный формат работы добавляют привлекательности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена ролью Practice Lead, требующей сочетания глубокой технической экспертизы в LLMOps/GenAI, навыков управления изменениями в компании и опыта в пресейле для крупных заказчиков.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции уровня Practice Lead в сфере GenAI в крупном системном интеграторе рыночная вилка составляет 450 000 – 650 000 рублей. Учитывая дефицит кадров с подтвержденным опытом внедрения LLM в энтерпрайз, финальное предложение может быть выше при наличии уникальной экспертизы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
КОРУС Консалтинг
GenAI Practice Lead
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид
*☑️* Чем предстоит заниматься
-Формировать и вести дорожную карту внутренних проектов
-Внедрять AI-инструменты и coding assistants в процессы разработки: генерация кода, AI Code Review, агентская разработка
-Выстраивать процессы, регламенты и стандарты применения AI, контролировать их соблюдение, безопасность и качество
-Отвечать за внутреннюю AI-инфраструктуру: GPU-инфраструктура, Kubernetes, управление inference, хостинг и дообучение LLM
-Вести методологическое сопровождение команд при внедрении: обучение, гайдлайны, шаблоны, замер эффекта и масштабирование удачных практик
-Управлять командой, отвечающей за реализацию и промышленное внедрение AI-решений
-Масштабировать успешные AI-практик и управлять изменениями внутри компании
-Участвовать в проработке GenAI-решений для корпоративных заказчиков
-Проектировать архитектуру решений и подбирать стек под профиль заказчика (4-уровневый AI-стек: baremetal → инфраструктура → платформа/LLMOps → агенты)
-Готовить экспертные заключения, сравнения вендоров, сценарии пилотов и ROI/TCO-обоснования
-Презентовать и защищать архитектуру и подход перед заказчиком, в том числе на уровне топ-менеджмента
-Оценивать трудозатраты и формировать команду под реализацию
*☑️* Наши пожелания к кандидатам
-Не менее 5 лет опыта в IT-разработке, сильный технический бэкграунд в Backend / Frontend / DWH / Data Engineering
-Подтверждённый прикладной опыт внедрения LLM/GenAI-решений: RAG, агенты, LLMOps, интеграции с корпоративными источниками — от 2-х лет
-Опыт самостоятельной разработки прототипов и работы с AI-инструментами, агентами, low-code и/или open-source платформами
-Опыт руководства командами и внедрения технологических изменений: выстраивание процессов, стандартов и методологии работы
-Понимание применения AI в SDLC: coding assistants, AI Code Review, agentic development, оценка качества и продуктивности разработки
-Экспертиза в AI-инфраструктурном слое: Kubernetes, контейнеризация, GPU-inference, хостинг и дообучение русскоязычных LLM
-Опыт участия в пресейлах IT-проектов: проработка архитектуры, подготовка и защита технических решений, оценка трудозатрат
-Понимание требований ИБ (ФСТЭК, 152-ФЗ, КИИ) применительно к GenAI-контурам
Будет плюсом:
-Опыт работы в IT-консалтинге или системной интеграции
-Знание российского стека ИИ-решений (Yandex AI Studio, MWS GPT, GigaChat B2B)
-Опыт промышленной эксплуатации агентских сценариев у крупных корпоративных заказчиков
-Опыт построения LLMOps-контура: model registry, версионирование промптов, evaluation, observability
-Опыт работы в контурах с повышенными требованиями к безопасности (УЗ-1, ГИС К1, КИИ)
-Опыт обучения и развития команд по GenAI (топ-менеджмент, ИТ, бизнес)
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- GenAI
- LLM
- RAG
- LLMOps
- Kubernetes
- GPU
- Python
- Backend
- Data Engineering
- SDLC
- Docker
- Yandex AI Studio
- GigaChat
Возможные вопросы на собеседовании
Проверка практического опыта построения процессов эксплуатации моделей.
Расскажите о вашем опыте выстраивания LLMOps-контура: как вы решали задачи версионирования промптов и оценки качества (evaluation) ответов моделей?
Важно для понимания того, как кандидат планирует повышать эффективность внутренней разработки.
Какие метрики вы бы использовали для оценки эффективности внедрения AI Coding Assistants в процесс разработки компании?
Роль предполагает работу с корпоративными заказчиками в РФ.
С какими основными сложностями в области ИБ вы сталкивались при внедрении GenAI в закрытые контуры (КИИ, ГИС) и как их преодолевали?
Проверка архитектурного мышления в области агентских систем.
Опишите архитектуру агентского решения, которое вы внедряли в промышленную эксплуатацию. Какие инструменты оркестрации использовали?
Оценка лидерских качеств и навыков управления изменениями.
Как вы работаете с сопротивлением команд при внедрении новых AI-инструментов и стандартов разработки?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
