Описание
Платформа AEF помогает командам быстрее запускать агентные сценарии в промышленную среду, обеспечивать качество решений и расширять набор инструментов для разработки, оценки и эксплуатации GenAI-агентов. Она предназначена для разработки, исполнения и сопровождения агентов в контуре банка.
Задачи
•Формировать и приоритизировать бэклог платформенных инструментов для оценки качества агентов и удобства их разработки
•Развивать продуктовые направления вокруг LLM-as-a-Judge, универсальных агентов, памяти, скиллов и безопасной среды исполнения
•Развивать продуктовые возможности для команд разработки агентов: evals, наблюдаемость, эксперименты, удобство интеграции и эксплуатации
•Собирать обратную связь от внутренних команд-пользователей и переводить её в требования, сценарии и критерии готовности
•Определять метрики продукта и критерии качества, полезности и зрелости платформенных функций
•Координировать delivery между разработкой, аналитикой, data-командой, инфраструктурой и пользователями платформы
•Прорабатывать гипотезы по новым инструментам и функциям, ускоряющим создание агентов и повышающим их качество в промышленном контуре
•Готовить и проводить презентации для внутренних стейкхолдеров, демонстрировать прогресс, обосновывать приоритеты и защищать продуктовые решения
Требования
•Опыт развития платформ или агентных сред от 3 лет
•Опыт приоритизации бэклога при конкурирующих запросах от нескольких команд и балансировки discovery и delivery
•Понимание agent/LLM-ландшафта, основных паттернов построения AI-агентов и подходов к оценке их качества
•Опыт формулирования продуктовых требований, критериев приёмки и метрик для сложных технических продуктов
•Умение работать с техническими командами и превращать проблемы разработчиков в продуктовые решения
•Опыт проведения интервью, сбора обратной связи и проверки гипотез с внутренними пользователями продукта
•Понимание жизненного цикла разработки платформенных решений и связей между продуктом, архитектурой и эксплуатацией
•Опыт работы в среде с высокими требованиями к надёжности, безопасности и согласованию изменений
•Знание принципов работы OpenClaw и Harness
•Опыт использования AI-инструментов в продуктовой работе: GitHub Copilot, Claude Code или подобных
Условия
•Работа в офисе или гибридном формате; удалённая работа доступна три месяца в год
•Ежегодный пересмотр зарплаты и годовая премия
•Корпоративный спортзал и зоны отдыха
•Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•Льготная ипотека для каждого сотрудника
•Бесплатная подписка СберПрайм+ и скидки на продукты компаний-партнёров
•Вознаграждение за рекомендацию друзей в команду Сбера
•Комфортный современный офис рядом с метро «Кутузовская»
•Отсутствие строгого дресс-кода
