- Страна
- Россия
- Зарплата
- 220 000 ₽ – 250 000 ₽
Откликайтесь
на вакансии с ИИ
T-shape Аналитик AI (Middle / Senior)
Оценка ИИИнтересный и современный стек технологий на стыке системного анализа и AI. Четко прописанные требования и адекватная вилка для Middle/Senior уровня в РФ, а также возможность удаленной работы делают вакансию привлекательной.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков классического системного анализа (Kafka, REST, SQL) и глубокой экспертизы в AI (RAG, LLM, агентные архитектуры). Высокая планка требований к подтвержденному опыту и формату резюме усложняет отбор.
Анализ зарплаты
Оценка ИИПредложенная вилка 220 000 – 250 000 руб. на руки соответствует рыночному уровню для Middle+ системного аналитика, однако для Senior AI-специалиста с глубоким знанием LLM-архитектур верхняя граница может быть несколько ниже средней по рынку в топовых финтех-компаниях.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Bellintegrator уже сейчас
Присоединяйтесь к Bellintegrator и создавайте будущее инвестиционных платформ с помощью передовых AI-агентов!
Описание вакансии
#вакансия#Аналитик AI#системный_аналитик #job
🔥 T-shape Аналитик AI (Middle / Senior) на финтех
Компания: Bellintegrator
Проект: Платформа, автоматизирующая весь жизненный цикл инвестиционной
сделки для юридических лиц.
Локация и формат: Удаленка График/Таймзона: Мск ±2 часа
Занятость: Полная, оформление по ТК РФ
💵 Зарплатная вилка: 220 000 – 250 000 руб. на руки (зависит от грейда).
🎯 Что мы ждем от кандидата (Требования):
Опыт работы от 3-х лет.
Опыт работы в проектах по разработке и внедрению AI-фич и AI-агентов (включая агентов в формате .md)
Понимание принципов работы LLM и современных агентных архитектур (ReAct, LangChain, AutoGen и др.)
Понимание NLP, архитектуры RAG (retrieval-augmented generation) и уверенные навыки prompt engineering
Опыт работы с harness-агентами.
Уверенное владение технологическим стеком: REST API, WebSocket, OpenAPI/AsyncAPI, брокеры сообщений (Kafka), реляционные БД (PostgreSQL).
Опыт работы с инструментами моделирования и документации.
🛠 Обязанности:
Проектирование AI- и классических решений: разработка агентов, tools,
skills, subagents, SDK к OpenCode
Применение нейросетей для ускорения собственной работы —
генерация спецификаций, промпт-инжиниринг, прототипирование
диаграмм (PlantUML), написание MCP, агентов, скилов и т.д.
Работа в концепции Doc-as-code
Согласование и коммуникация: плотное взаимодействие с разработкой
и сопровождением.
🧠 Софт-скиллы:
Активная позиция (инициативность, поиск компромиссов).
Умение аргументированно доносить свою точку зрения.
Коммуникабельность, активное слушание и нетоксичность.
⚠️ ВАЖНОЕ ТРЕБОВАНИЕ К РЕЗЮМЕ:
Рассматриваются резюме только с подтвержденным опытом.
По каждому проекту в резюме должно быть отражено:
Описание проекта
Ваша роль, задачи и зона ответственности
Используемые технологии и инструменты
📬 Контакты для отклика: Пишите в личку: Откликнуться
Пожалуйста, ответьте сразу на два вопроса при отклике:
Ваши ожидания по ЗП на руки?
Есть ли опыт работы с LLM?
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- LLM
- RAG
- NLP
- Prompt Engineering
- LangChain
- PostgreSQL
- Kafka
- REST API
- WebSocket
- OpenAPI
- AsyncAPI
- PlantUML
- Doc-as-code
Возможные вопросы на собеседовании
Вакансия предполагает работу с AI-агентами. Важно понимать, как кандидат проектирует логику принятия решений моделью.
Расскажите о вашем опыте проектирования AI-агентов: какие паттерны (например, ReAct) вы использовали и как обрабатывали ошибки в цепочках рассуждений?
Проект связан с финтехом, где точность данных критична. RAG — основной способ снижения галлюцинаций.
Как вы подходите к оценке качества RAG-системы? Какие метрики релевантности и точности ответов вы использовали на практике?
В стеке указана Kafka. Аналитик должен понимать, как AI-сервисы интегрируются в событийно-ориентированную архитектуру.
Опишите сценарий взаимодействия AI-агента с другими микросервисами через Kafka: как обеспечить консистентность данных и обработку задержек?
Упоминается концепция Doc-as-code. Это важный аспект культуры разработки в команде.
Каков ваш опыт работы в парадигме Doc-as-code? Какие инструменты (кроме PlantUML) вы использовали для поддержания актуальности документации в Git?
Работа с LLM требует специфических навыков тестирования.
Как вы проектируете тестовые сценарии для проверки промптов и защиты от Prompt Injection в продуктовых решениях?
Похожие вакансии
Архитектор мультиагентных систем на базе LLM
Специалист по AI-инструментам
Fullstack разработчик-подмастерье (AI Engineer)
Fullstack / AI разработчик (подмастерье)
AI engineer (ML/DS)
Applied AI / LLM Engineer (Python)
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!