Описание
Команда управления развитием искусственного интеллекта в блоке «Развитие клиентского опыта B2C» развивает AI-copilot для премиальных клиентских менеджеров. Решение переходит от классических NLP-систем к адаптивным мультиагентным системам для поиска по базе знаний, суммаризации профиля, извлечения инсайтов из звонков, управления графиком и проактивных подсказок во время звонка.
Задачи
•Проектировать и реализовывать end-to-end LLM-пайплайны, включая продвинутые RAG-системы и автономных AI-агентов с планированием, function calling и мультиагентной оркестрацией
•Дообучать и адаптировать модели с использованием SFT, RLHF, DPO, LoRA и QLoRA под специфичные бизнес-задачи
•Принимать решения о необходимости дообучения или достаточности промпт-инжиниринга и RAG
•Поддерживать культуру качества через внедрение продуктовых и ML-метрик
•Автоматизировать регрессионное тестирование
•Связывать технические метрики с бизнес-метриками
•Писать чистый, документированный и тестируемый код на Python для интеграции с бэкенд-командой
•Формировать стандарты разработки в рамках DS-экспериментов
•Проектировать API-контракты для ML-компонентов
•Участвовать в код-ревью
•Формировать технические стандарты команды
•Декомпозировать бизнес-задачи и предлагать оптимальные ML-решения
•Работать напрямую с продуктом и стейкхолдерами
Требования
•Опыт в DL/NLP от 4 лет, включая обучение и дообучение моделей на PyTorch
•Практический опыт работы с LLM от 1 года
•Опыт построения AI-агентов и LLM-пайплайнов с LangChain и LangGraph
•Глубокое понимание архитектуры современных LLM, включая attention, MoE, RoPE, KV-cache и методы alignment
•Знание принципов эффективного инференса
•Сильная инженерная культура и опыт разработки на Python с asyncio, pydantic и fastapi
•Умение писать чистый тестируемый код с pytest
•Опыт разработки асинхронных микросервисов
•Понимание Docker, K8s и CI/CD для ML
•Уверенное владение инструментами LLMOps: Arize, LangSmith, W&B, Phoenix
•Опыт создания кастомных eval-пайплайнов и понимание влияния метрик на продукт
•Опыт предобработки сложных данных для подготовки датасетов
•Знание SQL
•Умение переводить неопределённые бизнес-задачи в технический план
•Умение аргументированно отстаивать архитектурные решения и работать без микроменеджмента
Будет плюсом: опыт вывода AI-агентов в продакшн, знание принципов LLMOps (включая CI/CD, оркестрацию и управление версиями промптов), опыт интеграции ML-решений в высоконагруженные системы, понимание безопасности LLM-приложений.
Условия
•Комфортный современный офис рядом с м. Кутузовская
•Гибридный формат работы после испытательного срока
•Ежегодный пересмотр зарплаты
•Квартальная и годовая премия
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета
•Программа адаптации и помощь руководителя на старте
•Расширенный ДМС
•Льготное страхование для семьи
•Корпоративная пенсионная программа
•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
