Инженер по ИИ-автоматизации бизнес-процессов
Оценка ИИИнтересная и актуальная роль в известной компании с фокусом на современные технологии (LLM, MCP, RAG). Гибридный формат в Москве и возможность влиять на продукт от идеи до внедрения делают вакансию привлекательной для Middle+ специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков: сильной инженерной базы (Backend/Fullstack), опыта работы с LLM/RAG и развитых аналитических способностей для прямого общения с заказчиками. Высокая планка по опыту (от 3 лет) и необходимость самостоятельной сборки MVP повышают сложность позиции.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан точный уровень вознаграждения, однако для позиции Middle AI Automation Engineer в Москве рыночный диапазон составляет от 250 000 до 400 000 рублей. Napoleon IT обычно предлагает конкурентные условия, соответствующие рынку ИТ-услуг.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Napoleon IT
Инженер по ИИ-автоматизации бизнес-процессов
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: гибрид (Москва)
*☑️* Чем предстоит заниматься
-погружаться в процессы, данные и бизнес-логику клиентского подразделения
-общаться с заказчиками и пользователями, уточнять потребности и формулировать техническое решение
-быстро проектировать, разрабатывать и внедрять небольшие AI- и software-решения: агенты, автоматизации, интеграции, внутренние сервисы
-работать с API, базами данных и внутренними системами клиента
-самостоятельно реализовывать MVP решения
-использовать LLM, RAG, tool calling, MCP и AI coding tools там, где это оправдано задачей
-проверять решение вместе с пользователями и дорабатывать его по обратной связи
-выделять повторяемые сценарии и решения, которые можно масштабировать на другие процессы и проекты
*☑️* Наши пожелания к кандидатам
-опыт работы с заказчиком, бизнес-пользователями или внутренними стейкхолдерами: discovery, сбор требований, разбор процессов, solution consulting, аналитика или похожий формат
-умение задавать вопросы, быстро погружаться в незнакомый процесс и находить реальную проблему за исходным запросом
-сильная инженерная база: backend или fullstack-разработка
-коммерческий опыт разработки на Python, JavaScript / TypeScript, Java, Kotlin, C#, Go или другом современном языке не менее 3х лет
-опыт API, интеграций, баз данных и архитектуры приложений
-опыт уже реальных внедренных AI/LLM или automation-решений, которыми пользовались сотрудники или клиенты
-практический опыт с AI-агентами, RAG, tool calling или LLM-based интеграциями
-способность самостоятельно пройти путь от разговора с пользователем до работающего решения
Будет плюсом:
-опыт в роли business/system analyst, solution engineer, technical consultant или presale engineer
-AI Security: защита от промт-инжектинга, деперсонализация данных
-Docker, CI/CD, cloud
-опыт запуска пилотов и MVP для внешних заказчиков
-опыт работы с финансовыми подразделениями
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- JavaScript
- TypeScript
- Java
- Kotlin
- C#
- Go
- LLM
- RAG
- API
- Docker
- CI/CD
- Cloud
- SQL
Возможные вопросы на собеседовании
Проверка практического опыта работы с LLM и понимания ограничений технологии.
Расскажите о самом сложном AI-агенте или RAG-системе, которую вы внедрили: с какими проблемами точности или производительности вы столкнулись и как их решили?
Оценка навыков системного анализа и умения выявлять истинные потребности бизнеса.
Как вы действуете, если запрос заказчика на автоматизацию кажется вам технически нецелесообразным или избыточным? Приведите пример из практики.
Проверка инженерной базы и понимания архитектуры интеграций.
Какие подходы вы используете для обеспечения надежности и безопасности при интеграции LLM с внутренними API и базами данных клиента (tool calling)?
Оценка осведомленности в вопросах безопасности ИИ, указанных в вакансии.
Какие методы защиты от промпт-инъекций вы применяли в своих проектах и как обеспечивали деперсонализацию данных перед отправкой в LLM?
Проверка навыков быстрой разработки и приоритизации.
Опишите ваш процесс создания MVP: как вы определяете минимально необходимый функционал для первой итерации с пользователями?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
