Описание
Мы строим мультиагентную систему для раннего выявления рисков в сегменте микро- и малого бизнеса - систему, где AI-агенты анализируют данные, находят сигналы ухудшения и помогают бизнесу принимать решения в режиме, близком к реальному времени. Это не просто аналитика и не просто ML - это новая архитектура работы с рисками: от данных к автономным интерпретациям и рекомендациям. Мы ищем дата-аналитика, который хочет работать на переднем крае: разрабатывать и обучать AI-агентов, собирать сложные пайплайны данных и участвовать в создании системы, которая масштабируется на весь портфель.
Задачи
•Постановка задачи на агента: цель, бизнес-заказчик, потребители результата, критерии успеха
•Организация работы с экспертами (напр. кредитные риски, андеррайтинг, мониторинг, работа с проблемной задолженностью): интервью, воркшопы, формализация экспертной логики принятия решений
•Анализ внутрибанковских процессов, с которыми связан агент, и точек использования его результата
•Разработка методологии агента: признаки, правила, пороги, зависимости; разделение логики на детерминированную (расчёты и правила) и недетерминированную (интерпретация и выводы LLM)
•Поиск и верификация источников данных: витрины, таблицы, поля, глубина истории, частота обновления, качество; маппинг до уровня конкретного атрибута
•Прототипирование агента: сборка рабочего прототипа (Python, Jupyter, вызовы LLM) на выбранных данных и методологии
•Тестирование прототипа на лаб-контуре: проверка корректности и полноты выбранных данных, проверка того, что результат агента устраивает экспертов и отвечает запланированным целям; доработка методологии по итогам
•Описание контракта агента: состав и формат входа и выхода, место агента в мультиагентной системе и взаимодействие с другими агентами
•Подготовка эталонных кейсов клиентов с ожидаемым результатом для тестирования и приёмки агента
•Передача разработчику и дата-инженерам спецификации вместе с проверенным прототипом, сопровождение разработки, приёмка результата вместе с экспертами
•Оценка качества работы агента после запуска, сбор обратной связи, доработка и версионирование методологии
•Ведение базы знаний по агентам: методологии, источники данных, результаты тестов прототипов, принятые решения
Требования
•Высшее образование в области математики, статистики, экономики, информационных технологий или смежных областях
•Опыт работы с различными LLM
•Опыт разработки агентов
•3+ года Python, опыт async-сервисов, знание современных библиотек Data Science (Pandas, Scikit-Learn, TensorFlow)
•Глубокое знание SQL и оптимизации запросов
•Опыт prompt-инжиниринга и настройки LLM-инференса
•Глубокое понимание принципов построения мультиагентных систем и опыта их практического внедрения
•Знание методик когортного анализа и умение строить прогнозы финансовых показателей портфелей малого и микробизнеса
Будет плюсом
•Опыт руководящей должности от двух лет в проектах, связанных с обработкой больших данных, построением аналитических моделей и управлением рисками
•Понимание специфики сектора малого и микробизнеса в российских условиях, особенностей финансового поведения данной категории заемщиков
•Наличие успешных кейсов разработки AI-продуктов и решений для кредитных организаций
•Опыт реализации крупных интеграционных проектов в финансовой сфере
•Навыки работы с зарубежными аналоговыми системами и технологиями в рамках международного сотрудничества
Условия
•Комфортный современный офис рядом с м. Кутузовская
•Ежегодный пересмотр зарплаты и годовая премия
•Корпоративный спортзал и зоны отдыха
•Уникальная система обучения Сбера для профессионального и карьерного развития
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Подписка Прайм с возможностью совместного использования на трёх близких
•Скидки на продукты компаний-партнеров
•Вознаграждение за рекомендацию друзей в команду Сбера
