О компании
Sprouter создаёт платформу, на которой компании поручают свою реальную работу командам AI-агентов. Команда агентов подключается к приложениям самой компании — Gmail, Slack, HubSpot, Google Drive и другим, — запускает рабочие процессы по расписанию и по запросу и доставляет результат туда, где люди уже работают: сводку, отчёт, оповещение. Чувствительные действия проходят через слой согласований, а каждый запуск тарифицируется. Продукт работает с реальными клиентами и меняется каждую неделю.
О роли
Шаблон — это готовая команда агентов, которую клиент устанавливает в несколько кликов. В нём описаны роли и их инструкции, задачи с этапами и критериями успеха, вопросы, которые задаются при настройке, и то, куда доставляются результаты. Клиенты просят больше шаблонов, чем мы успеваем сделать сегодня. Создавать их будете вы.
Роль находится на стыке бизнес-аналитика и LLM-инженера. Вы общаетесь с клиентами и превращаете их процесс в шаблон. Затем запускаете его в реальных условиях, разбираете, что на самом деле сделали агенты, и дорабатываете, пока шаблон не начнёт работать стабильно и стоить столько, сколько должен.
Обязанности
•Проводить discovery-звонки с клиентами на английском и превращать запутанный реальный процесс в точный шаблон.
•Собирать шаблоны: роли агентов и их инструкции, задачи, этапы, критерии успеха, доставку результата, вопросы и подсказки для настройки.
•Писать плейбуки — правила, которым следуют агенты. Например, правила клиента по ведению CRM превращаются в чек-лист, который агент-аудитор применяет каждый день.
•Запускать шаблоны на реальных приложениях в нашей dev-среде. Читать трейсы запусков и вердикты грейдеров и исправлять то, что пошло не так, — версия за версией.
•Измерять стоимость и время запуска и то, какие критерии выполняются. Приносить проблемы платформы инженерам с доказательствами, а не впечатлениями.
•Писать для читателя: тексты настройки, описания шаблонов и формат того, что получает клиент.
Ваш основной инструмент — Claude, подключённый к нашей платформе. Писать продакшн-код не нужно, Git тоже не понадобится.
Требования
•Практический опыт работы с LLM дальше чата: многошаговые промпты, агенты с инструментами, структурированный вывод. Вы отлаживали агента, который сделал не то, и выясняли почему.
•Умеете писать критерии успеха, которые действительно можно проверить, и мыслите через сценарии отказа.
•Опыт в бизнес- или системном анализе, solutions engineering, консалтинге или операционной работе. Вы превращали размытые требования в спецификацию, по которой потом работал кто-то другой.
•Опыт работы с клиентами: discovery-звонки, демо, управление ожиданиями.
•Понятный письменный английский для нетехнических читателей и разговорный устный английский.
•Уверенно читаете JSON и документацию API, понимаете, что такое подключённые приложения и вызовы инструментов (tool calls).
•Каждый день пользуетесь Claude или похожим ассистентом и можете показать реальные примеры.
Будет плюсом
•Знание домена продаж, RevOps или CRM (HubSpot, Salesforce), customer success или marketing operations.
•Опыт с evals или LLM-as-a-judge.
•Claude Code, MCP или инструменты автоматизации — n8n, Zapier, Make.
•SQL или базовые скрипты на Python или TypeScript.
Как мы работаем
•Небольшая команда в режиме LLM-first: основную часть работы выполняет Claude, а люди ставят задачи, проверяют и подтверждают результат.
•Каждая задача — issue в GitHub, решения фиксируются письменно. Документация плотная, так что в первые недели придётся много читать.
•Наша dev-среда запускает реальные модели на реальных подключённых приложениях, поэтому каждый запуск стоит реальных денег. Мы измеряем, прежде чем выпускать.
•Высокий темп, приоритеты меняются вслед за запросами клиентов.
Условия
•Полностью удалённая работа и гибкий график.
•Прямая работа с основателем и реальная ответственность за своё направление.
•Работающий продукт с реальными клиентами на переднем крае прикладного AI.
Этапы отбора
1.Звонок с основателем, частично на английском.
2.Короткий блок технических вопросов.
3.Возможно, небольшое тестовое задание.
