Описание
Корпоративная ИИ-платформа объединяет обучение, файнтюнинг и инференс моделей, работу со знаниями и создание ИИ-агентов на гибридной инфраструктуре. Она задаёт архитектуру и стандарты для разработки ИИ-продуктов и агентов.
Задачи
•Формировать стратегию, дорожную карту и целевую архитектуру ИИ-платформы, согласовывать их с целями CDO и бизнес-приоритетами
•Развивать и масштабировать команду: определять структуру, нанимать, адаптировать, развивать и удерживать инженеров
•Определять архитектуру платформы и ИИ-агентов, выбирать компоненты, проводить PoC
•Разрабатывать и внедрять стандарты для продуктовых команд, проводить ревью архитектурных решений, готовить документацию и обучение
•Управлять жизненным циклом моделей: обучением, файнтюнингом, версионированием, развёртыванием, мониторингом, оценкой и выводом из эксплуатации
•Развивать инструменты MLOps/LLMOps, включая CI/CD моделей, эксперименты, реестр моделей, feature store, наблюдаемость и качество данных
•Управлять инференсом на локальных GPU и в облаке, SLA, квотами, приоритизацией нагрузки, производительностью и затратами
•Развивать RAG, конвейеры работы со знаниями, векторные хранилища, качество и релевантность поиска
•Развивать платформу ИИ-агентов, включая инструменты, память, изолированную среду, защитные механизмы, безопасность и наблюдаемость
•Собирать потребности внутренних заказчиков, консультировать продуктовые команды и группу AI SDLC, приоритизировать бэклог платформы
•Развивать платформу как продукт: улучшать опыт разработчиков, портал самообслуживания и документацию
•Обеспечивать безопасность и соблюдение требований, защищать персональные данные, проводить аудит и обеспечивать прослеживаемость решений моделей и агентов
•Управлять бюджетом направления и отчитываться перед CDO по метрикам
•Отслеживать рынок ИИ-инструментов и поставщиков, оценивать решения с открытым исходным кодом, проводить пилоты и внедрять решения
Требования
•Опыт создания и развития внутренней ML/LLM-платформы в крупной компании — от архитектуры и выбора компонентов до запуска и масштабирования
•Практический опыт промышленного применения LLM: инференс и обслуживание моделей, файнтюнинг, RAG, оценка моделей, оптимизация производительности
•Опыт работы с классическим ML/DS-стеком, MLOps, хранилищем признаков и конвейерами данных
•Опыт работы с гибридной инфраструктурой, локальными GPU-кластерами, облачными LLM-сервисами, Kubernetes и планированием GPU-ресурсов
•Опыт проектирования ИИ-агентов и агентных архитектур
•Опыт разработки стандартов и архитектурных шаблонов, ревью архитектуры и взаимодействия с внутренними заказчиками
•Опыт управления и развития команды инженеров
•Развитые управленческие и коммуникативные навыки, опыт работы с топ-менеджментом и перевода бизнес-задач в платформенные решения
•Знание рынка ИИ-инструментов и опыт выбора, оценки и интеграции решений
•Понимание безопасности и соблюдения требований в ИИ, защиты персональных данных, аудита и прослеживаемости
Будет плюсом: опыт в ритейле, электронной торговле или DIY, запуск платформы с нуля, интеграция LLM в SDLC и создание помощников разработчика, работа с отечественными и зарубежными моделями и облаками, развитие платформы данных и взаимодействие с соответствующей командой, английский для чтения документации и общения с поставщиками
Условия
•Гибкая система премирования
•Расширенный социальный пакет: ДМС со стоматологией с первого месяца, психолог, страхование жизни, компенсация питания и оплата мобильной связи
•Возможности профессионального роста и программы развития
•Корпоративное обучение и доступ к базе знаний
•Внутренние профессиональные сообщества и мероприятия
•Частичная компенсация путешествий, обучения и спортивных занятий доступна как дополнительная опция
•График 5/2
•Постоянный контракт
