Сбер

AI-инженер ИТ-поддержки

Коротко

Разработка LLM-агентов и мультиагентных сценариев для внутренней ИТ-поддержки Сбера, обслуживающей 200 тысяч сотрудников. Команда Smart Support занимается RAG, Agentic RAG, интеграцией агентов с внутренними системами и их сопровождением в production. Требуется опыт разработки LLM-агентов от 1 года, Python и асинхронная разработка от 4 лет, знание LangGraph/LangChain, практика с MCP, A2A и multi-agent-системами. Формат работы — гибрид в Москве.

Описание
Команда продукта «Smart Support» работает для 200 тысяч сотрудников Сбера и занимается разработкой удобных и комфортных инструментов ИТ-поддержки. Сервисы команды направлены на поддержку и решение проблем пользователей с оборудованием (ПК/ноутбук, мобильные устройства, принтера, ВАРМ и т.д.), а также решением проблем с программным обеспечением на этом оборудовании. Сейчас команда активно внедряет AI-агентов в процессы онлайн и оффлайн поддержки, которые позволяют нативным и более быстрым образом решить проблему или вопрос клиента.
Задачи
•Разрабатывать агентов и мультиагентные сценарии
•Улучшать качество агентов на основе разметки и данных из production
•Развивать RAG, Agentic RAG, работу с инструментами и базами знаний
•Интегрировать агентов с внутренними системами и сопровождать их в production
•При необходимости разрабатывать ML-модели для поиска, ранжирования или классификации
Требования
•Практический опыт разработки LLM-агентов от 1 года
•Уверенный Python и опыт асинхронной разработки от 4 лет
•Понимание принципов работы и ограничений LLM
•Понимание принципов построения агентных систем: structured output, tool calling, ReAct/agentic loop, управление состоянием и контекстом, multi-agent и human-in-the-loop
•Понимание RAG и Agentic RAG: подготовка знаний, embeddings, поиск, retrieval, reranking и формирование контекста для LLM
•Умение писать качественный production-код
•Понимание подходов к оценке агентных систем: формирование eval-выборок, выбор метрик, оценка итогового результата и действий агента
•Умение разбираться в сложных бизнес-процессах и переводить их в логику агента
•Опыт запуска агентов в production
•Знание LangGraph, LangChain
•Практический опыт с MCP, A2A и multi-agent-системами
Будет плюсом
•Fine-tuning моделей
•Опыт разработки и оценки ML-моделей
•Базовое понимание Kubernetes и CI/CD
Условия
•Комфортный современный офис рядом с м. Тульская / МЦК Верхние Котлы
•Гибридный формат работы (на испытательный срок — офис)
•Ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
•Подписка Прайм с возможностью совместного использования на трёх близких
•Вознаграждение за рекомендацию друзей в команду Сбера

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте