Руководитель разработки (AI-трансформация SDLC и модернизация систем)
Уникальная и амбициозная позиция на стыке управления разработкой и передовых AI-технологий. Вакансия предлагает работу над сложными инженерными задачами и возможность реально влиять на технологический стек компании.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Роль требует редкого сочетания глубокого архитектурного бэкграунда (7+ лет) и практических навыков работы с новейшими AI-инструментами разработки (MCP, Agentic workflows). Кандидату предстоит не просто управлять командой, а фундаментально перестроить процессы SDLC и работать со сложным legacy-монолитом.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции уровня Head of Engineering / AI Architect с таким набором требований рыночные предложения начинаются от 450 000 рублей. В крупных тех-компаниях и финтехе за подобные роли с фокусом на AI-трансформацию компенсация может достигать 600 000 - 800 000 рублей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Grand trade
Руководитель разработки (AI-трансформация SDLC и модернизация систем)
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
*☑️* 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
- TypeScript
- Python
- CI/CD
- PostgreSQL
- JavaScript
- RAG
- Software Architecture
- Vue
- SDLC
- RabbitMQ
- GitHub Copilot
- Cursor
- Claude Code
- MCP
- AI Coding Agents
- OpenAI Codex
Возможные вопросы на собеседовании
Проверка практического опыта внедрения AI в рабочие процессы.
Расскажите о вашем опыте внедрения AI-агентов в SDLC: с какими основными проблемами безопасности и качества кода вы столкнулись и как их решили?
Оценка навыков работы с устаревшим кодом и стратегий миграции.
Какую стратегию вы выберете для восстановления спецификаций крупного логистического монолита с использованием ИИ, чтобы минимизировать риски при миграции?
Проверка понимания архитектуры взаимодействия AI с инфраструктурой.
Как бы вы спроектировали безопасную среду для работы AI-агентов с доступом к внутренним репозиториям и CI/CD (использование MCP, sandboxing)?
Оценка управленческих навыков в контексте изменения процессов.
Как вы планируете преодолевать сопротивление команды при переходе на Agentic SDLC и обучать разработчиков эффективному взаимодействию с ИИ?
Проверка умения работать с метриками эффективности.
Какие ключевые метрики (baseline) вы будете замерять в первую очередь для оценки успешности внедрения AI-трансформации в разработку?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

