backend разработчик финансовых подразделений

Napoleon IT разрабатывает и внедряет AI- и программные решения для бизнес-подразделений крупных компаний. Первые проекты связаны с финансовыми подразделениями, внутренними системами, данными и бизнес-процессами клиентов.

• Погружаться в процессы, данные и бизнес-логику клиентского подразделения;
• Общаться с заказчиками и пользователями, уточнять потребности и формулировать техническое решение;
• Проектировать, разрабатывать и внедрять AI- и программные решения: агентов, автоматизации, интеграции и внутренние сервисы;
• Работать с API, базами данных и внутренними системами клиента;
• Самостоятельно реализовывать MVP-решения;
• Использовать LLM, RAG, tool calling, MCP и AI-инструменты для разработки;
• Проверять решения вместе с пользователями и дорабатывать их по обратной связи;
• Выделять повторяемые сценарии и решения для масштабирования на другие процессы и проекты.

• Опыт работы с заказчиками, бизнес-пользователями или внутренними заинтересованными сторонами: discovery, сбор требований, разбор процессов, solution consulting или аналитика;
• Умение задавать вопросы, быстро погружаться в незнакомый процесс и находить реальную проблему за исходным запросом;
• Сильная инженерная база в бэкенд- или fullstack-разработке;
• Коммерческий опыт разработки на Python, JavaScript, TypeScript, Java, Kotlin, C#, Go или другом современном языке от 3 лет;
• Опыт работы с API, интеграциями, базами данных и архитектурой приложений;
• Опыт реальных внедрений AI-, LLM- или automation-решений для сотрудников или клиентов;
• Практический опыт работы с AI-агентами, RAG, tool calling или интеграциями на основе LLM;
• Способность самостоятельно пройти путь от разговора с пользователем до работающего решения;
• Будет плюсом опыт в роли business/system analyst, solution engineer, technical consultant или presale engineer, знания AI Security, Docker, CI/CD и cloud, опыт запуска пилотов и MVP для внешних заказчиков, опыт работы с финансовыми подразделениями.

• Работа напрямую с реальными бизнес-задачами клиентов;
• Возможность видеть эффект работы в конкретном процессе;
• Высокая самостоятельность: от discovery до реализации;
• Современный AI-native стек и свобода выбора технического подхода;
• Возможность создавать решения для масштабирования на другие команды и клиентов.