ai разработчик для торгового финансирования

Команда развивает LLM- и AI-agent решения для продуктов торгового финансирования и факторинга. Агенты работают внутри реальных бизнес-процессов, взаимодействуют с внутренними сервисами, документами и данными, принимают промежуточные решения и помогают автоматизировать сложные пользовательские сценарии. Решения проходят путь от гипотезы и прототипа до промышленной эксплуатации, масштабирования и развития.

• Проектировать архитектуру агентов: декомпозировать задачи на узлы и саб-агентов, управлять состоянием, маршрутизацией, tool calling и взаимодействием с внешними сервисами;
• Разрабатывать агентные workflow для сложных бизнес-процессов, связанных с документами, базами знаний и данными клиента;
• Развивать RAG и retrieval-механизмы: поиск, reranking, управление контекстом и работу с большими неоднородными базами знаний;
• Проектировать prompts, context engineering и structured output для устойчивой работы LLM;
• Создавать механизмы оценки агентных систем: offline-наборы, автоматические метрики, LLM-as-a-judge, регрессионное тестирование и анализ ошибок;
• Повышать качество и надёжность агентов, устранять галлюцинации, нестабильность поведения, ошибки маршрутизации и tool calling;
• Оптимизировать latency, стоимость и количество токенов, выбирать модели под конкретные этапы сценария;
• Доводить решения до production и сопровождать их после запуска;
• Участвовать в проработке бизнес-сценариев и переводить бизнес-задачи в архитектуру AI-решений.

• От 3 лет опыта в Data Science, ML или NLP, включая практическую разработку решений на базе LLM;
• Опыт создания LLM-систем, вышедших в production, а не только PoC или pet-проектов;
• Практический опыт разработки RAG- или agentic-систем;
• Хорошее понимание современных LLM: контекста, prompting, structured generation, ограничений и типичных failure modes;
• Опыт построения сложных workflow: state management, routing, retries, fallbacks и tool calling;
• Умение системно оценивать качество LLM-решений, формировать датасеты и метрики, строить eval-пайплайны и анализировать ошибки;
• Хорошее знание Python и инженерная культура: тестируемый код, понятные интерфейсы и документация;
• Понимание production-аспектов LLM-систем: observability, logging, latency, стоимость и отказоустойчивость;
• Опыт интеграции ML- и LLM-решений с внешними API и корпоративными сервисами;
• Будет плюсом опыт построения мультиагентных систем и автономных workflow, разработки переиспользуемых компонентов и платформ для создания агентов, работы с document AI, guardrails и LLM security, human-in-the-loop подходами, оптимизации стоимости и задержек LLM-систем, а также с ML/LLMOps и адаптацией моделей с помощью SFT и LoRA.

• Гибридный формат работы в офисе рядом с м. Кутузовская, ул. Кутузовский проспект, 32;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа;
• Бесплатная подписка Прайм;
• Вознаграждение за рекомендацию друзей в команду Сбера.