Описание
Agentic AI меняет подход к разработке программного обеспечения — и в SIX это затронет работу более тысячи инженеров. Мы создаём новую команду в центре этого сдвига, отвечающую за то, как AI-driven software engineering работает во всей компании. В составе этой команды вы будете строить защитные механизмы (guardrails), которые делают agentic-разработку надёжной в масштабе: автоматизацию тестирования, контроль покрытия и независимые слои проверки, которые позволяют AI-агентам писать и поставлять код без потери качества.
Задачи
•Строить AI SDLC tooling как платформенную возможность, а не проект. Основные направления: оценка агентов, навыков и промптов; AI code review в CI; автоматизация тестирования.
•Генерация и поддержка тестов AI-агентами, контроль покрытия на изменённых строках, обнаружение и самовосстановление нестабильных (flaky) тестов, мутационное тестирование, а также контроль состояния тестового набора (избыточность, пробелы, время выполнения) на уровне unit-, интеграционных и end-to-end тестов.
•Строить и поддерживать harness для AI-агентов: песочницу для выполнения, разграничение инструментов/прав, интеграцию с CI/CD, позволяющую агентам предлагать, тестировать и мерджить код, с логированием решений и происхождением действий для трассируемости и воспроизводимости каждого agentic-изменения.
•Отвечать за независимый слой проверки AI-сгенерированного кода и тестов, включая AI code review с измерением пропущенных дефектов и ложных срабатываний: проверки корректности, покрытия и качества в CI/CD, которые проверяют результат агента с помощью инструментов, которые агент не контролирует, чтобы скорость не достигалась за счёт качества тестов или кода.
•Определять и развивать стратегию качества и инструментов для AI-driven SDLC: что и где тестируется, как генерируются и управляются тестовые данные, как измеряется качество тестов (не только pass/fail, но и способность тестов выявлять регрессии), и как обеспечиваются стандарты SDLC, определённые треком Enterprise SDLC.
•Относиться к AI SDLC tooling и guardrails как к продукту, а не к шлюзу. Отслеживать внедрение, частоту ложных срабатываний и доверие разработчиков, сохраняя безопасный, хорошо протестированный путь самым быстрым.
Требования
•Практический опыт работы с agentic AI-архитектурами: оркестрация агентов, tool-use/sandboxing и разработка harness — не просто концептуальное знание «AI в SDLC».
•6+ лет опыта в software engineering с глубокой практической экспертизой в developer tooling или platform engineering.
•Желателен опыт создания инструментов или инфраструктуры для разработчиков, которые были внедрены другими инженерными командами, а не просто написание тестовых наборов.
•Рабочее знание методологии тестирования и качества кода: пирамиды тестов, стратегии покрытия, мутационного тестирования, устранения flaky-тестов, понимание того, что делает тестовый набор надёжным, а не просто «зелёным».
•Platform-product mindset: вы строите переиспользуемые возможности и прокладываете пути для других инженеров, измеряете и стремитесь к внедрению и влиянию на уровне бизнес-юнитов SIX.
•Рабочее знание governance и контролей в регулируемой или high-assurance среде.
Будет плюсом
•Опыт автоматизации тестирования — весомый плюс, но не обязательное требование.
•Опыт оценки LLM или agent-систем (eval sets, error analysis, LLM-as-a-judge) — весомый плюс.
•Опыт в финансовой инфраструктуре — плюс; опыт в смежной регулируемой отрасли также засчитывается.
Условия
Условия в вакансии не указаны.
