О компании
ПравоТех — продуктовая IT-компания, которая с 2008 года создаёт решения для автоматизации юридических бизнес-процессов. Нашими продуктами ежедневно пользуются тысячи компаний по всей стране, включая крупнейшие банки, страховые компании и корпоративных клиентов.
Сегодня мы развиваем «Право.Консультант» — AI-продукт, который помогает юристам решать профессиональные задачи с использованием больших языковых моделей, интеллектуального поиска и AI-агентов.
О роли
Мы ищем Lead AI Engineer — технического лидера команды AI-агентов, который возьмёт на себя развитие агентного контура продукта, повышение качества юридических ответов и обеспечение стабильной работы AI-системы в production.
Это позиция для сильного AI-инженера, который хочет не только разрабатывать сложные решения, но и влиять на архитектуру, техническую стратегию и результат команды. Нам нужен играющий технический лидер, который умеет самостоятельно писать production-код на Python, разбираться в работе LLM/RAG-систем, находить причины ошибок, проводить эксперименты и превращать технические изменения в измеримое улучшение продукта.
На старте около 40–60% времени будет занимать hands-on работа: разработка, архитектура, технические эксперименты, evals, code review и решение сложных production-задач. Остальная часть роли — техническое лидерство, развитие команды, управление приоритетами и ответственность за качество AI-продукта.
Ключевой результат — не количество реализованных функций, а качество, надёжность и практическая полезность AI-агентов для пользователей.
Чем предстоит заниматься
Развивать AI-агентов и архитектуру продукта:
•Проектировать и развивать агентные сценарии на Python с использованием LLM, RAG, tool calling и structured output.
•Работать с агентной оркестрацией, контекстом, промптами и интеграциями с внешними инструментами.
•Развивать retrieval-контур: embeddings, vector search, chunking, reranking и работу с источниками.
•Принимать архитектурные решения, устранять технический долг и повышать устойчивость системы.
•Лично участвовать в разработке, отладке и code review критически важных компонентов.
Отвечать за качество AI-ответов:
•Развивать систему оценки качества LLM и AI-агентов: benchmarks, evals, regression testing, LLM-as-a-Judge.
•Находить причины галлюцинаций, некорректных ссылок, ошибок поиска и потери контекста.
•Выстраивать проверки достоверности ответов и корректности использования первоисточников.
•Проводить эксперименты с моделями, промптами, retrieval и агентной логикой.
•Принимать решения о выпуске изменений на основе измеримых результатов.
Обеспечивать production-надёжность:
•Работать с model routing, fallback, retries, timeout, streaming и ограничениями LLM-провайдеров.
•Развивать наблюдаемость AI-системы: логи, метрики, traces, мониторинг ошибок.
•Оптимизировать latency, стоимость инференса и эффективность использования моделей.
•Повышать стабильность агентного контура и предотвращать повторное появление дефектов.
Лидировать команду и техническое развитие:
•Формировать технические приоритеты и roadmap совместно с командой и CEO.
•Управлять фокусом команды, ограничивать количество параллельных задач и доводить инициативы до результата.
•Развивать инженеров, распределять зоны ответственности и поддерживать высокий инженерный стандарт.
•Взаимодействовать со смежными командами — Product, Platform, Data и другими.
•Принимать решения на основе метрик качества, надёжности и стоимости, а не только скорости разработки.
Для нас важно
•Сильный практический опыт разработки AI/LLM-систем, работающих в production.
•Уверенный Python и готовность самостоятельно писать, отлаживать и ревьюить production-код.
•Опыт разработки backend-сервисов на FastAPI, Pydantic, asyncio/httpx.
•Практический опыт построения RAG-систем: embeddings, vector search, retrieval, chunking, reranking.
•Опыт интеграции LLM через API, работы с tool calling, structured output, streaming и управлением контекстом.
•Опыт построения или развития системы оценки качества LLM: evals, benchmarks, тестовые наборы, анализ ошибок.
•Понимание работы PostgreSQL, Redis, MongoDB и асинхронного взаимодействия между сервисами.
•Практический опыт работы с Docker, Kubernetes, CI/CD и инструментами наблюдаемости.
•Опыт использования AI coding agents в реальной разработке.
•Опыт технического лидерства и управления сильной инженерной или кросс-функциональной командой.
•Умение самостоятельно принимать архитектурные решения, расставлять приоритеты и отвечать за измеримый результат.
Будет плюсом
•Опыт разработки AI-агентов с использованием LangChain, LangGraph, MCP/FastMCP или аналогичных инструментов.
•Опыт работы с Qdrant или другими векторными базами данных.
•Опыт применения DeepEval, LLM-as-a-Judge, red-team-проверок и тестирования AI-систем.
•Опыт работы в LegalTech, FinTech, MedTech или других областях с высокими требованиями к точности и надёжности.
•Понимание архитектуры on-prem AI-решений.
•Опыт работы с Go, event-driven архитектурой и обработкой больших массивов документов.
•Опыт оптимизации стоимости LLM-инференса и экономики AI-продуктов.
Технологический стек
•Backend: Python 3.11+, FastAPI, Pydantic v2, asyncio, httpx, PostgreSQL, Redis, MongoDB.
•AI/LLM: LangChain, OpenAI-compatible API, OpenRouter, LiteLLM, vLLM, Qwen, Claude, tool calling, structured output.
•RAG & Search: Qdrant, embeddings, retrieval, reranking, работа с документами и поисковыми индексами.
•Quality & Testing: pytest, DeepEval, DeepTeam, LLM-as-a-Judge, GitLab CI.
•Infrastructure: Docker, Kubernetes, Helm, Argo CD, OpenTelemetry, Prometheus, Grafana.
Не ожидаем, что вы работали абсолютно со всеми перечисленными инструментами. Важнее глубокое понимание принципов построения production AI-систем и способность самостоятельно разбираться в новых технологиях.
Что предлагаем
•Работу в аккредитованной IT-компании с официальным трудоустройством.
•Возможность развивать сложный AI-продукт на пересечении LLM, RAG и LegalTech.
•Высокую автономность, прямое взаимодействие с основателем компании и влияние на развитие продукта.
•Сильную команду, современные технологии и возможность экспериментировать.
•ДМС и корпоративные программы поддержки сотрудников.
Как происходит отбор
Мы используем нестандартный формат выбора лидеров — выборы. После знакомства с рекрутером и оценки технической экспертизы финалисты получают вводные о продукте и готовят своё видение его развития. На выборах каждому кандидату предоставляется 15 минут на презентацию и 15 минут на вопросы. В обсуждении и принятии решения участвуют будущая команда и заинтересованные коллеги. Для нас это возможность не только оценить опыт, но и понять, насколько совпадают подходы к продукту, технологиям и совместной работе.
