AI Engineer

Ми будуємо AI-first середовище та створюємо окремий R&D Hub, який відповідає за розробку й масштабування AI-рішень для продуктів, цифрових сервісів та внутрішніх процесів. Це роль для інженера/ки, який/яка хоче працювати не лише з кодом, а й із архітектурою, експериментами та real-world production use cases. Команда вже запускає AI-рішення у production та працює над масштабними Agentic AI системами для автоматизації, персоналізації та оптимізації складних бізнес-процесів.У цій ролі ви будете працювати з сучасним GenAI стеком, multi-agent architectures, RAG pipelines, orchestration frameworks та enterprise-scale AI infrastructure.

Hard Skills

• Практичний досвід розробки і оцінки сервісів GenAI, включаючи системи RAG розуміння логіки “reAct” (Reasoning + Acting)+ Agentic RAG, інтеграцію API LLM і prompt/context engineering, а також навчання, тонкого налаштування і розгортання моделей машинного навчання в продакшн середовищах.
• Знання фреймворків для машинного навчання і генеративного штучного інтелекту LangGraph або LangChain, PyTorch / TensorFlow, Hugging Face, OpenAI/Anthropic SDK.
• Практичний комерційний досвід роботи з AI моделями через API (Gemini, Anthropic) та Self-hosted моделями (Llama 3, Mistral, Mixtral).
• Глибоке розуміння того, як LLM взаємодіють з зовнішніми API через Function Calling.
• Робота з векторними базами даних (Qdrant, Milvus, pgvector або інші), знання методів семантичного пошуку та принципи структурування та чистки БД.
• Практичний досвід роботи як мінімум із однією хмарною платформою (AWS, GCP або Azure) та Git.
• Знання основ Python та розуміння асинхронного програмування.
• Розуміння життєвого циклу ШІ-моделей: моніторинг, версіонування та оцінка якості (RAGAS, DeepEval) та досвід роботи з цими інструментами. 
• Досвід роботи з Guardrails для встановлення жорстких обмежень на теми розмов та дії агента, фільтрацій, які автоматично видаляють персональні дані перед відправкою запиту до зовнішніх LLM а також вміння створювати Output filters, які перевіряють згенеровану відповідь на Fact-checking перед відображенням.
• Deterministic Logic Integration - запуск AI-агента працювати за суворими схемами з недопущення можливості моделі «вигадати».
• Буде перевагою знання підходів автоматизованого тестування відповідей на великих наборах даних, щоб виміряти відсоток галюцинацій перед виходом у MVP.
• Знання підходів з провадження механізмів Human-in-the-loop, щоб агент не міг виконати дію без фінальної верифікації користувачем.
• Вміння проектувати системи пам'яті, які зберігають контекст попередніх розмов та операцій клієнта для персоналізації Long-term Memory & User Context.

Soft Skills

• Орієнтація на швидке прототипування (POC/MVP).
• Вміння дебажити складні AI-системи.
• Здатність пояснювати складні концепти та тісно взаємодіяти з Backend/Frontend командами.