AI-инженер для корпоративных LLM-сервисов банка

БСБ Банк предоставляет полный комплекс услуг частным и корпоративным клиентам.

• Анализировать бизнес-процессы и выбирать задачи, где AI даёт измеримый эффект; формулировать гипотезы, ограничения и критерии успеха
• Проектировать и разрабатывать LLM-сервисы: RAG, чат-ассистенты, классификацию и извлечение данных из документов, сценарии вызова функций и инструментов
• Создавать конвейеры поиска: загружать и очищать источники, выполнять разбиение на фрагменты, создавать векторные представления, индексировать, искать и при необходимости ранжировать результаты повторно
• Интегрировать AI-компоненты с корпоративными системами через REST/gRPC, очереди и базы данных; проектировать API и контракты взаимодействия
• Разрабатывать механизмы оценки качества: тестовые наборы, офлайн- и онлайн-метрики, ручную проверку, анализ ошибок, A/B-тесты при наличии условий
• Управлять качеством, задержкой и стоимостью вывода модели; выбирать модель и архитектуру под требования конкретного сценария
• Реализовывать защитные механизмы: контроль доступа к данным, маскирование персональных данных, фильтрацию входов и выходов, журналирование, лимиты и участие человека в критичных операциях
• Совместно с DevOps обеспечивать эксплуатацию сервисов: контейнеризацию, CI/CD, мониторинг, трассировку, оповещения и управление конфигурациями
• Документировать архитектуру, источники данных, ограничения модели, известные риски и правила эксплуатации

• От 2 лет коммерческой разработки на Python либо сильный опыт бэкенд-разработки с подтверждёнными AI/LLM-проектами
• Опыт создания и внедрения хотя бы одного готового к эксплуатации решения с LLM: RAG, ассистент, обработка документов, классификация или агент с ограниченным набором инструментов
• Уверенное владение Python, SQL и HTTP API; опыт разработки сервисов, например FastAPI
• Практический опыт работы с LLM API или моделями на собственной инфраструктуре: выбор модели, контекст, структурированный вывод, вызов функций и инструментов, обработка ошибок и резервные сценарии
• Понимание RAG: подготовка документов, разбиение на фрагменты, векторные представления, поиск, повторное ранжирование, оценка поиска и генерации
• Опыт работы минимум с одним векторным хранилищем: pgvector, Qdrant, Elasticsearch/OpenSearch, Weaviate или аналогом
• Понимание принципов оценки LLM-систем: качество, обоснованность источниками, релевантность, задержка, стоимость и отказоустойчивость
• Опыт интеграции сервисов в готовую к эксплуатации среду: Docker, Git, CI/CD, журналирование и мониторинг
• Умение объяснять бизнесу технические компромиссы: качество и стоимость, скорость и глубина поиска, автоматизация и контроль человеком
• Понимание требований к защите данных, разграничению доступа и аудиту корпоративных AI-систем
• Будет плюсом: опыт работы с on-premise/private LLM, GPU-инференсом, vLLM, Ollama, TGI или аналогами; опыт работы с Qdrant, pgvector, OpenSearch/Elasticsearch в готовой к эксплуатации среде; LangChain, LlamaIndex, Haystack или собственные конвейеры оркестрации; PyTorch, Hugging Face Transformers, LoRA/PEFT, дообучение и оценка моделей; инструменты MLOps — MLflow, W&B, DVC, версионирование признаков и данных; опыт классического машинного обучения, включая sklearn/XGBoost; опыт работы в финансовом секторе или других регулируемых сферах; английский для чтения технической документации и статей

• Испытательный срок — 3 месяца
• Оплачиваемые конференции, курсы и обучение
• Медицинское страхование
• Корпоративный абонемент в фитнес-клуб Falcon Club
• Компенсация занятий в тренажёрном зале и изучения языков
• Оплачиваемый выходной в день рождения кандидата и членов семьи
• Корпоративные мероприятия и возможность карьерного роста