🔥

Не упустите лучшие вакансии!

Подключите наш Telegram-бот и получайте мгновенные уведомления о новых предложениях из 10+ источников. Будьте первым, кто откликнется!

Подключить бота

ИИ-инженер

Российский экспортный центр
Москва, Краснопресненская набережная д. 12
Полный рабочий день
Опубликовано: 18 Nov 2026
Условия:
  • Офис – Центр международной торговли (Москва, Краснопресненская набережная д. 12);
  • График работы 5/2 с 9:00 до 18:00 часов;
  • Гибридный формат работы;
  • Конкурентный уровень заработной платы - оклад, ежеквартальные и годовая премии;
  • Расширенный полис ДМС с первого дня (с возможностью подключения близких родственников по корпоративным ценам);
  • Доплата больничных до 100% оклада (10 дней в году);
  • Материальная помощь при важных жизненных событиях (заключение брака, рождение детей и другое);
  • Возможность обучения за счет компании (внешнее обучение, профильные конференции);
  • Сервис корпоративных скидок (различные товары, а также туристические, образовательные и медицинские услуги);
  • Компенсация мобильной связи.
Обязанности:
  • Развивать внутреннюю ИИ-платформу и общие сервисы, на которых будут строиться прикладные ИИ-решения компании.

  • Разворачивать и интегрировать модели с открытыми весами во внутреннем контуре; совместно с инфраструктурной командой настраивать сервисы выполнения моделей (inference) и их промышленную эксплуатацию.

  • Развивать единый шлюз доступа к моделям (AI Gateway): унифицировать программные интерфейсы (API) различных моделей и провайдеров, настраивать маршрутизацию, резервные сценарии, ограничения нагрузки, квоты, учет использования и управление контекстом.

  • Создавать общие платформенные компоненты: библиотеки и наборы средств разработки (SDK), шаблоны агентов, переиспользуемые навыки (skills), системные инструкции, спецификации агентов, схемы инструментов и готовые ИИ-сценарии.

  • Формировать технические стандарты разработки ИИ-решений: правила работы с моделями, контекстом и инструментами, требования к безопасности, тестированию, наблюдаемости и версионированию.

  • Проектировать и разрабатывать многошаговые агентные сценарии: планирование, маршрутизация, управление состоянием и памятью, вызов инструментов, передача задач между агентами, повторные попытки и подтверждение человеком (human-in-the-loop).

  • Строить системы поиска с дополнением генерации (Retrieval-Augmented Generation, RAG): загрузка и нормализация данных, разбиение документов, векторные представления, гибридный поиск, фильтрация по метаданным, переранжирование, контроль прав доступа и оценка качества поиска.

  • Интегрировать ИИ-агентов с корпоративными информационными системами: системами планирования ресурсов предприятия (ERP), управления взаимоотношениями с клиентами (CRM), электронного документооборота (ECM), хранилищами данных и внутренними сервисами; обеспечивать надежную передачу контекста, обработку ошибок, версионирование контрактов и аудит действий.

  • Разрабатывать сервисы протокола контекста модели (Model Context Protocol, MCP) для унифицированного доступа агентов к корпоративным инструментам и данным; стандартизировать описание инструментов, схемы данных, авторизацию и жизненный цикл таких сервисов.

  • Проектировать сервисные API, коннекторы и адаптеры к внутренним и внешним системам; при необходимости разрабатывать надежные Python-обертки для существующих API.

  • Проектировать устойчивое выполнение длительных и многошаговых ИИ-сценариев: контрольные точки, повторные попытки, тайм-ауты, идемпотентность, очереди задач, ручные подтверждения и восстановление после сбоев.

  • Строить автоматизированную оценку качества ИИ-систем (evals): тестовые наборы, регрессионные проверки, оценка RAG, корректности вызова инструментов и выполнения агентных сценариев.

  • Проектировать безопасное выполнение действий агентами: разграничение прав, управление секретами, учетные записи сервисов, списки разрешенных инструментов, аудит действий и обязательное подтверждение критических операций.

  • Защищать ИИ-системы от инъекций в инструкции (prompt injection), подмены инструментов, избыточных полномочий и утечки чувствительных данных; настраивать защитные ограничения (guardrails).

  • Настраивать наблюдаемость (observability): журналирование, распределенную трассировку, мониторинг вызовов моделей и инструментов, задержек, расхода токенов, ошибок и прохождения отдельных этапов сценария.

  • Оптимизировать стоимость, задержку и потребление вычислительных ресурсов: управлять размером контекста, выбором модели, кэшированием, маршрутизацией запросов и параметрами выполнения.

  • Писать автоматизированные тесты, участвовать в выпуске и сопровождении решений в промышленной среде, разбирать инциденты и документировать ключевые архитектурные решения.

Требования:
  • Уверенное владение Python и практический опыт разработки на нем решений, работающих в промышленной среде.

  • Понимание принципов построения распределенных систем и сервисной архитектуры: сетевое взаимодействие, асинхронное и конкурентное выполнение, тайм-ауты, повторные попытки, идемпотентность и обработка отказов.

  • Опыт проектирования и разработки API, интеграции сервисов и работы с внешними контрактами.

  • Уверенное владение Git, SQL и реляционными СУБД, например PostgreSQL.

  • Навыки автоматизированного тестирования: модульные, интеграционные и сквозные проверки.

  • Понимание процессов AI SDLC;

  • Понимание основных паттернов микросервисной архитектуры;


  • Практический опыт разработки LLM-, RAG- или агентных систем, которые были доведены как минимум до пилотной эксплуатации с реальными пользователями; опыт промышленной эксплуатации будет существенным преимуществом.

  • Понимание принципов работы LLM: токены, контекстное окно, векторные представления, структурированный вывод, вызов инструментов, потоковая выдача и основные параметры генерации.

  • Опыт проектирования агентных сценариев: управление состоянием, планирование, маршрутизация, работа с инструментами, повторные попытки, ограничение автономности и участие человека в критических этапах.

  • Опыт построения RAG-систем и работы с векторным поиском; понимание гибридного поиска, переранжирования, фильтрации по метаданным и контроля прав доступа к источникам.

  • Опыт построения или использования автоматизированной оценки качества LLM-систем: тестовые наборы, регрессионные проверки и метрики качества отдельных компонентов.

  • Понимание принципов MCP или аналогичных подходов к унифицированному предоставлению инструментов и данных ИИ-агентам.

🚀

Ваше резюме увидят первым!

Автоматическое поднятие на HeadHunter каждые 4 часа. Увеличьте свои шансы на успех в 10 раз!

Подключить автоподнятие