Описание
Департамент информационных технологий Москвы создает и развивает цифровые проекты, которые делают столицу комфортнее, а жизнь горожан — удобнее и мобильнее. Для системы управления столицей технологии — это незаменимый инструмент, который применяется во всех отраслях экономики, городского хозяйства и социальной сферы. А для миллионов горожан — повседневный помощник, который позволяет получать сотни услуг и сервисов в удобном цифровом формате в режиме 24/7.
Задачи
•Развитие AI-платформы эксплуатации: развитие существующей внутренней системы на базе LLM-агентов, внедрение новых AI-инструментов для помощи L1 (подсказки по контексту задачи, автоматический сбор данных и первичная диагностика инцидентов, генерация ответов по базе знаний), снижение MTTR за счет AIOps
•Развитие инфраструктуры в корпоративном облаке: планирование и реализация инфраструктурных проектов, миграции, оптимизация затрат на облако, обеспечение отказоустойчивости
•Перестройка процессов эксплуатации: аудит текущих ITIL-процессов, демонтаж неработающих ритуалов, выстраивание эффективных Incident/Problem/Change Management
•Координация пула подрядчиков: контроль соблюдения SLA, регламентов взаимодействия, приемка работ, эскалации
•Координация кросс-системных релизов: планирование, оценка рисков, принятие решений об откатах, проведение Post-mortem
•Интеграция AI с корпоративным ландшафтом: обеспечение безопасного подключения AI-агентов к ITSM, Confluence, Kubernetes с соблюдением требований информационной безопасности и правила "эшелонированной защиты"
•Создание базы знаний и регламентов: курирование наполнения Confluence и внутренней базы знаний, формирование культуры написания runbook'ов и навыков (skills) для AI-агентов
•Подготовка и передача инфраструктуры: участие в процессах Service Transition, перехват ИС у вендоров во внутреннюю эксплуатацию
Требования
•Практический опыт внедрения AI-ассистентов в IT-операциях: LLM-копайлоты для инженеров, боты для первичного разбора, классификации и умной маршрутизации инцидентов, авто-генерация runbook'ов и подсказок L1 по контексту задачи
•Понимание архитектуры AIOps-систем: гибридные хранилища знаний, векторный и полнотекстовый поиск, работа с контекстными окнами, интеграция LLM с корпоративными базами данных
•Опыт работы с современным AI-инструментарием: MCP (Model Context Protocol), Open WebUI, Hermes или аналоги, написание промптов и skills для LLM-агентов, понимание их ограничений (галлюцинации, детерминизм vs креативность)
•Понимание принципов безопасного применения AI в промышленном контуре: RBAC, обязательное согласование, «эшелонированная защита» и т. д.
•Способность спроектировать безопасный пайплайн от сырых до безопасного действия в инфраструктуре
•Управление инфраструктурными проектами полного цикла
•Vendor Management: опыт работы с пулом подрядчиков (от 3 одновременно), понимание SLA/OLA, приемки работ, эскалаций и претензионной работы по договорам
•Умение модерировать: жесткая фиксация договоренностей, контроль сроков, пресечение попыток "размыть" ответственность
•Kubernetes: архитектура K8s-кластеров (в т.ч. self-managed), namespaces, deployments, ingress, resource quotas, network policies, operators
•CI/CD и IaC: GitLab CI, Jenkins, артефакториумы, откаты (rollback), понимание Ansible
•Контейнеризация: Docker, понимание жизненного цикла pod'а, troubleshooting CrashLoopBackOff, OOMKilled
•Брокеры сообщений: Kafka, RabbitMQ — понимание топиков, партиций, dead-letter queue, retention policy
•PostgreSQL: JSONB, pgvector (для embeddings), полнотекстовый поиск (FTS)
•Объектные хранилища: S3/MinIO — работа с блобами, снапшотами, bare-git репозиториями
•Интеграция с корпоративными системами: Keycloak, OAuth 2.0, OIDC
•Стек мониторинга: Prometheus, Grafana, Zabbix, ELK/Kibana
•AIOps для мониторинга: опыт внедрения предиктивного анализа метрик, автоматического поиска аномалий, борьбы с "шумом" алертов (alert fatigue)
•Распределенная трассировка: Jaeger, OpenTelemetry, понимание связи trace_id / correlation_id / log aggregation
•Способность построить SLO/SLI/SLA для сервисов и самих AI-агентов (включая оценку качества и безопасности их ответов)
•ITIL v4: Incident, Problem, Change, Release, Service Catalogue, Service Transition, Post-mortem
•ITSM-системы: Jira SM, ServiceNow или аналогах. Понимание маршрутизации тикетов, очередей, эскалаций
Будет плюсом
•Практика разработки кастомных AI-инструментов и MCP-серверов (Python/Go)
•Опыт построения гибридных систем поиска (PG JSONB + S3 + FS + embeddings) для AI-ассистентов
•Опыт работы с СУБД (ClickHouse) для аналитики и observability
•Понимание BPMN-движков (Camunda) и оркестрации workflow
Условия
•Рыночная зарплата и премии
•Драйвовые задачи и ресурсы для их реализации
•Офисный формат работы
•Преимущества аккредитованной IT-компании
•Материальная помощь в случае важных событий в жизни
•Корпоративное обучение у топовых провайдеров и доступ к онлайн-библиотеке
•Корпоративные тренировки и спортивные активности: бег, футбол, волейбол, баскетбол, теннис и другие
•Комьюнити по интересам
•Скидки от партнеров на ДМС, связь, развлечения, подарки, спорт и т.д.
