Senior Product Engineer (Fullstack)

Що ви будете робити

• Володіти одним або кількома важливими продуктовими доменами — наприклад, AI agents, payments, public API, real-time engine тощо — від архітектури до rollout.
• Приймати system design рішення в AWS serverless stack: data model, API shape, multi-tenant isolation, performance, observability.
• Писати production code по всьому стеку: backend — Lambda, AppSync, GraphQL, Postgres; frontend — React, MUI.
• Будувати AI-first рішення: LLMs, prompt engineering, RAG, agentic workflows. Допомагати створювати розумніший продукт і розумніші підходи до роботи.
• Підвищувати engineering bar через code reviews, RFCs, ExecPlans і стандарти, які ви задаєте власним прикладом.

Що ми очікуємо

• 5+ років досвіду у створенні production software для реальних користувачів.
• Сильне архітектурне мислення та system design. Ви володіли нетривіальними системами через кілька релізів.
• Досвід ведення складних end-to-end features із помітним продуктовим impact, а не лише refactoring чи incremental improvements.
• Практична впевненість у роботі з AI technologies: інтеграція LLMs у реальні продукти, hands-on досвід із prompt engineering, vector databases та RAG.
• Product sensibility: вам важливі UX, швидкість, якість і polish; ви вмієте аргументовано push back, коли рішення виглядає не так, як має.
• Комфортна робота без надмірного PM-супроводу: ви здатні формувати проблему, а не лише реалізовувати готове рішення.
• Високий рівень ownership. Ви self-directed full-lifecycle builder, який/яка проводить feature від ідеї до production.
• Відмінна письмова комунікація. Більшість роботи відбувається async, у письмовому форматі: PRs, RFCs, ExecPlans, Slack threads.

Буде перевагою

• Досвід scaling GraphQL APIs з AppSync або Apollo.
• Практики observability в AWS/Sentry: CloudWatch, metrics, alarms, structured logging.
• Досвід створення B2B SaaS, що працює з sensitive data: payments, PII, multi-tenant isolation.
• Побудова agentic systems або production AI features, складніших за базовий LLM call.
• Досвід у startup або компанії з по-справжньому високим engineering bar.

Технологічний стек

Не очікується, що ви вже працювали з усім переліком нижче, але важливо, щоб вам було цікаво працювати близько до більшості цих технологій.

• Language: TypeScript end-to-end.
• Frontend: React, Material UI, Vite, GraphQL clients.
• Backend: Node.js Lambdas, AppSync GraphQL, Hono-based REST Public API, EventBridge, SQS, DynamoDB.
• Data: Postgres Aurora, tsvector-based full-text search, real-time sync engine over WebSockets.
• Infra & Observability: AWS, CDK, Sentry, CloudWatch.
• Tooling: pnpm + Nx monorepo, Vitest, Playwright, Linear, Slack, Notion, Claude Code.

Як ми працюємо

• Мінімум бюрократії та прямий доступ до leadership. Жодних зустрічей заради зустрічей. Ви напряму працюватимете з Head of Engineering та іншими лідерами над тим, що справді важливо. Решта часу — для build.
• Six-week cycles. Планування і shipping відбуваються шеститижневими циклами з cooldown між ними. Достатньо довго, щоб зробити щось суттєве, і достатньо коротко, щоб вчасно скоригувати напрям.
• Engineers own domains end-to-end. Від архітектури до rollout і подальшого health домену. Без “throwing things over the wall”.
• Пріоритети змінюються, коли цього потребують бізнес і клієнти. План — це інструмент, а не контракт. Якщо партнерська проблема або ринковий зсув змінює те, що є найважливішим, команда рухається відповідно.
• Code improvements заохочуються, а не узгоджуються нескінченно. Якщо ви бачите, що у вашому домені щось варто покращити, ви це покращуєте. Для цього не обов’язково чекати окремий ticket.
• Async-first, writing-first. Більшість рішень ухвалюється у PRs, RFCs, ExecPlans і Slack threads. Зустрічі — лише для того, що неможливо ефективно вирішити письмово.
• Small team, high trust, high bar. Ви матимете реальну автономію і реальну відповідальність. У команді цінують good intent і direct communication.
• AI-native by default. Команда використовує AI tooling — Claude Code, Cursor, Linear тощо — у щоденній роботі. Очікується, що кожен/кожна engineer буде впевнено й усвідомлено розуміти, де AI допомагає, а де ні.