Роль стоит на стыке бизнеса и разработки: специалист понимает, как реально устроены закупочные процедуры, и собирает решение собственными руками с помощью AI-инструментов, не дожидаясь выделенной команды разработки.
Ключевая ценность — скорость проверки гипотез и качество постановки задачи, а не промышленный код.
Ключевая задача — быстро превращать задачи закупочного блока в работающие AI-автоматизации и прототипы.
Промышленную реализацию подтверждённых решений выполняет продуктовая команда — специалист передаёт ей проверенный работающий прототип и понятные требования.
Обязанности
•разработка и внедрение сквозных AI-автоматизаций под задачи закупок: от ИИ-ассистентов до генераторов документов на базе LLM
•быстрое прототипирование решений (no-code/low-code, API, n8n) для проверки гипотез на реальных данных с доведением до состояния «можно показать заказчику»
•обработка закупочной документации спецификой 44-ФЗ / 223-ФЗ с помощью нейросетей: ТЗ, договоры, коммерческие предложения, реестры
•написание промптов, шаблонов и инструкций, обеспечивающих стабильный результат при работе с неструктурированными данными (сканы, дубли)
•самостоятельная аналитика данных закупок (спенд-анализ, цены, сроки) и перевод бизнес-требований в технические постановки задач
•развёртывание работающих прототипов во внутренней инфраструктуре или контейнерах (Docker, VPS), базовая работа с логами и окружениями
•контроль качества моделей: сбор тестовых выборок, расчёт доли корректных ответов, закладывание архитектуры с учётом ошибок LLM (human-in-the-loop)
•формализация требований, защита решений перед бизнесом и передача подтверждённых прототипов команде разработки для вывода в продуктив
Требования
•практический опыт создания работающих AI-решений (на больших объемах данных), уверенное владение промпт-инжинирингом и интеграциями по API в области гос.закупок, тендеров, снабжении в крупных компаниях
•опыт в гос.закупках, тендерах или снабжении от 2 лет. Глубокое понимание процессов end-to-end (от потребности до приёмки) и специфики ЭТП
•навык быстрой сборки автоматизаций через no-code/low-code платформы без привязанности к первому варианту решения
•умение работать с «грязными» данными, выгрузками из разных систем, Excel / Google Sheets; базовый SQL для самопроверки гипотез
•способность отличить работающий прототип от сырого демо: знание границ применимости LLM и того, что нельзя выпускать в эксплуатацию
•базовые навыки эксплуатации: запуск сервисов в Docker/VPS, работа с секретами, чтение логов (промышленная разработка и архитектура не требуются)
•системное мышление для самостоятельного поиска точек реального эффекта от внедрения AI и отсечения нерелевантных задач
•сильное техписательство: умение упаковывать сложные решения в понятную бизнесу документацию, схемы и презентации
•ориентация на измеримый результат: способность посчитать эффект автоматизации в часах, деньгах или доле сокращённых ошибок
Условия
•комфортный современный офис в Москве
•график работы – офис
•ежегодный пересмотр зарплаты, квартальная и годовая премия
•корпоративный спортзал и зоны отдыха
•более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•программа адаптации и помощь руководителя на старте (для Junior позиций)
•расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•гибкий 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
