Техлид платформы ГенИИ

грейд
lead
страна
Россия
опубликована
16 ноя

описание

Мы строим Harness-платформу Сбера — слой между моделью и продуктом: агентный рантайм, инструменты, память, контекст, адаптация и оценка качества. На этой платформе продуктовые команды Сбера запускают свои AI-сценарии. Им не нужно писать всё с нуля: решение собирается из готовых проверенных блоков. Ищем человека, который возьмёт на себя три ключевые части Harness: Качество ИИ-помощника.

задачи

  • Спроектировать и запустить систему оценки качества ИИ-помощника: eval-наборы по бизнес-сценариям, LLM-as-a-judge, human eval, регрессионные гейты на релиз.
  • Самостоятельно собрать первые рабочие версии пайплайнов из готовых компонентов платформы: обучение и оценку LoRA-адаптеров, версионирование, деплой, мультиадаптерный инференс.
  • Разработать архитектуру памяти: долгосрочную и сессионную память, персонализацию, память организации.
  • Отвечать за качество извлечения и применения знаний, а также за приватность и разграничение доступа.
  • Сделать качество агентных сценариев измеримым: работу с инструментами и корпоративными системами, многошаговые задачи, сценарии с длинным контекстом.
  • Лично провести первые продуктовые команды через платформу и на их кейсах понять, что действительно нужно стандартизировать.
  • Собрать и вырастить команду направления
  • Превратить созданное в self-service: инструменты, стандарты и документацию, с которыми продуктовые команды справляются сами.
  • Связать технические метрики с продуктовыми и бизнес-результатами и защищать их на уровне руководства.
  • Формировать культуру, в которой о качестве судят по данным, а не по ощущениям

требования

  • Сильный инженерный бэкграунд в ML/LLM и готовность работать руками: Python, PyTorch, экосистема LoRA/PEFT, инференс-фреймворки (vLLM и аналоги).
  • Глубокое понимание современного AI-стека: post-training (SFT, DPO, RL), LoRA/PEFT, RAG, агентные архитектуры, оценка LLM.
  • Опыт доведения ML/LLM-решений до продакшена, а не только исследований.
  • Опыт технического лидерства: вы задавали архитектуру и направление для других инженеров.
  • Готовность в перспективе расти в управлении: нанимать, развивать людей, договариваться с заказчиками и руководством.
  • Умение работать с внутренними заказчиками, переводить размытый запрос «чтобы помощник отвечал лучше» в измеримые критерии.
  • Опыт построения eval-систем для LLM-продуктов или агентов.
  • Опыт с системами памяти для LLM: retrieval, графы знаний, суммаризация и сжатие контекста, персонализация.
  • Опыт с multi-LoRA serving и дообучением моделей под домены в продакшене.
  • Опыт создания платформенных продуктов для других команд.
  • Понимание корпоративной специфики: безопасность, доступ к данным, регуляторные требования.
  • Опыт запуска направления с нуля.
  • Активное личное использование агентных продуктов (Claude Code, Cursor, Codex, ассистентов с памятью) и понимание, за счёт чего они хорошо работают.
  • Будет плюсом: Опыт руководства командой — большое преимущество

условия

  • Условий в вакансии нет

навыки

компания

Крупнейший российский банк и экосистема. Предоставляет банковские услуги: кредиты, вклады, карты, ипотека. Развивает сервисы: доставка, здоровье, развлечения, облачные технологии и ИИ. Удобно для финансов и повседневных задач.

Подробнее о компании →

похожие вакансии

статьи для разработчиков