Руководитель направления разработки с применением ИИ / AI SDLC Lead
Оценка ИИУникальная и перспективная позиция на стыке менеджмента, архитектуры и AI. Компания предлагает работу над сложными задачами трансформации SDLC, что является трендом рынка, однако отсутствие указанной вилки зарплаты не позволяет поставить высший балл.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубокого архитектурного бэкграунда (7+ лет) и практической экспертизы в новейших AI-инструментах (MCP, Agentic workflows). Кандидату предстоит не просто писать код, а перестраивать методологию разработки в крупной компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПозиции уровня AI Lead или Head of SDLC в России для специалистов с опытом 7+ лет обычно оплачиваются в диапазоне от 450 000 до 700 000 рублей после налогов, в зависимости от масштаба компании и сложности задач. Учитывая специфику AI-трансформации, спрос на таких экспертов сейчас превышает предложение.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Grand trade
Руководитель направления разработки с применением ИИ / AI SDLC Lead
Опыт работы: более 6 лет
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид
*☑️* Чем предстоит заниматься
-Проводить аудит SDLC и замерять эффективность: описывать текущий поток создания ценности (от требований до эксплуатации), собирать исторические метрики (baseline) из Трекера, Git и CI/CD, выявлять узкие места и формировать целевую модель AI SDLC
-Выстраивать управляемый поток требований и спецификаций: задавать стандарт входных артефактов (включая OpenSpec), схему их хранения и версионирования (Яндекс Вики + Git), сквозную трассируемость до релиза и агентную декомпозицию на frontend/backend-задачи с ревью аналитиком
-Создавать рабочую среду для Agentic SDLC: стандартизировать правила работы агентов (repository-level instructions, проектные skills) и формировать инженерную базу знаний (CodeBaseMemory), исключая зависимость от персональных «магических» решений отдельных разработчиков
-Интегрировать агентов в инфраструктуру: настраивать безопасный доступ ИИ к коду, документации, Яндекс Вики, Трекеру и CI/CD (через MCP и аналоги) и выстраивать единый цикл работы (planning → implementation → verification → human review → merge)
-Лидировать пилот и обеспечивать качество (Quality & Security): запускать новый процесс на команде веб-сервисов, обучать коллег, разграничивать зоны ответственности агента и человека (human-in-the-loop), встраивать ИИ в автотесты и code review, а также настраивать quality gates и правила ИБ (permissions, secrets, логирование действий агентов)
-Формировать подход к модернизации legacy-систем: использовать ИИ для исследования крупного логистического монолита (code archaeology, анализ БД и хранимых процедур), восстанавливать спецификации, внедрять characterization tests для проверки эквивалентности поведения и обеспечивать поэтапную миграцию на современный стек без подхода «переписать всё с нуля»
-Общение с HR
-Встреча-знакомство с руководителем
-Сбор рекомендаций
-Оффер. ⠀⠀⠀⠀⠀⠀⠀⠀⠀⠀
*☑️* Наши пожелания к кандидатам
-Практический опыт в software engineering от 7 лет, включая опыт в роли Tech Lead, Solution/Software Architect или Engineering Lead
-Сильный hands-on бэкграунд: способность самостоятельно разобраться в коде, написать прототип, автоматизацию или интеграцию и проверить результат
-Опыт реального применения AI coding agents в разработке (Claude Code, OpenAI Codex, GitHub Copilot/Coding Agent, Cursor и др.) и понимание context engineering, agent instructions, skills, tool use, MCP, sandboxing и автоматической верификации
-Подтвержденный опыт оптимизации процессов разработки (SDLC), работы с инженерными метриками, проведения пилотов, а также глубокая практика с CI/CD, automated testing, code review и эксплуатацией production-систем
-Умение работать с неполными требованиями, договариваться с аналитиками, разработчиками, QA и бизнесом, формализовывать процессы и готовность нести инженерную ответственность за результат, даже если значительная часть артефактов создана ИИ
Будет плюсом:
-Опыт работы со стеком наших систем: Python, TypeScript/JavaScript, Vue, PostgreSQL, RabbitMQ и хранимыми процедурами
-Опыт реверс-инжиниринга и поэтапной модернизации legacy-систем, восстановления бизнес-логики по коду и БД, создания characterization tests
-Практика работы с RAG / базами знаний, внедрения внутренних инженерных платформ (golden paths, developer enablement) и развития сообществ практики
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- TypeScript
- JavaScript
- Vue
- PostgreSQL
- RabbitMQ
- CI/CD
- SDLC
- AI Coding Agents
- Claude Code
- OpenAI Codex
- GitHub Copilot
- Cursor
- MCP
- RAG
- Software Architecture
Возможные вопросы на собеседовании
Проверка понимания архитектуры современных ИИ-агентов и способов их интеграции в существующую инфраструктуру.
Расскажите о вашем опыте настройки Model Context Protocol (MCP) или аналогичных решений для предоставления ИИ-агентам доступа к внутренним инструментам разработки.
Важно понять, как кандидат планирует измерять успех внедрения ИИ в процессы разработки.
Какие конкретные метрики SDLC вы будете использовать для оценки эффективности внедрения AI Coding Agents и как планируете собирать baseline?
Выявление стратегии работы с устаревшим кодом при помощи ИИ.
Опишите ваш подход к использованию ИИ для реверс-инжиниринга legacy-монолита: как обеспечить точность восстановления спецификаций и избежать галлюцинаций модели?
Проверка навыков управления рисками и качеством в условиях автоматизации.
Как вы планируете выстраивать Quality Gates и процесс Human-in-the-loop, чтобы ИИ-генерированный код не снижал общую безопасность и стабильность системы?
Оценка лидерских качеств и способности внедрять изменения в культуру разработки.
С какими основными барьерами со стороны команды разработчиков вы сталкивались при внедрении AI-инструментов и как вы их преодолевали?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
