Архитектор платформы качества (Quality Gate Platform Engineer)

Что предстоит делать

##### Локация: Удаленно | Полная занятость Отдел: Инженерия О Kooltra Kooltra — канадская fintech-компания, строящая FX-инфраструктуру и технологию трансграничных платежей для банков и финансовых учреждений. Имея более десяти лет на рынке, мы ускоряем наше расширение в США и переходим к модели разработки и поставки, ориентированной на AI в первую очередь. AI изменил экономику написания кода. Узкое место больше не в том, насколько быстро мы можем создавать, — а в том, насколько уверенно мы можем выпускать продукт. По мере того как AI ускоряет объем и скорость изменений на нашей платформе, системы, которые проверяют корректность, ловят регрессии и поддерживают наблюдаемость продакшена, становятся самыми высокоэффективными инженерными инвестициями, которые мы можем сделать. Мы нанимаем платформенного инженера уровня архитектора, чтобы он владел этим слоем целиком. Роль Вы будете проектировать, создавать и эксплуатировать систему контроля качества, которая позволяет Kooltra выпускать код, ускоренный AI, с уверенностью — в домене, где корректность не подлежит обсуждению. Финансовая инфраструктура не может позволить себе «двигаться быстро и ломать вещи». Ваша задача — сделать быстрое движение без поломок структурным свойством того, как мы поставляем ПО, а не вопросом индивидуальной дисциплины. Это роль по созданию систем, а не QA-роль. Вы не будете писать тест-кейсы для чужих функций — вы будете проектировать автоматизированный многоуровневый конвейер верификации, через который проходит каждое изменение, от первого property-теста до наблюдаемости продакшена. Ключевые обязанности Спроектировать многоуровневую систему контроля качества, охватывающую весь жизненный цикл поставки: property-based тестирование, модульное и интеграционное тестирование, контрактное тестирование, UI и сквозное тестирование, шлюзы CI/CD пайплайнов и наблюдаемость продакшена Продвигать разработку через тестирование (TDD) как дисциплину проектирования во всей инженерной организации — и развивать то, что означает TDD, когда AI-агенты пишут растущую долю кода Установить property-based тестирование как практику первого уровня для нашей финансовой доменной логики, где инварианты (балансы сходятся, события детерминированно воспроизводятся, деньги никогда не создаются и не уничтожаются) важнее, чем примеры-кейсы Проектировать и владеть CI/CD пайплайнами, которые действуют как структурированные автоматизированные шлюзы — каждый merge и деплой зарабатывает путь в продакшен через верификацию, а не через героические ревью Создать инфраструктуру UI и сквозного тестирования, которая поддерживает критические пользовательские пути непрерывно проверенными, с надежностью и скоростью, которым инженеры действительно доверяют Определить архитектуру наблюдаемости — метрики, трейсы, структурированные логи, SLO и алертинг — которая замыкает цикл от «прошло пайплайн» до «корректно ведет себя в продакшене» Сделать шлюзы качества AI-нативными: системы верификации, которые валидируют AI-сгенерированный код в объеме и со скоростью, которые производит AI-разработка, и которые сами AI-агенты могут вызывать, интерпретировать и реагировать на них Установить стандарты, golden paths и инструменты, которые делают хорошо протестированный путь самым легким путем для каждого инженера и каждого AI-агента на платформе Инструментировать и отчитываться о здоровье поставки — ускользнувшие дефекты, уровень флаков, время выполнения (lead time), частота отказов изменений, время до восстановления — и направлять их в правильную сторону Взаимодействовать с платформенными, продуктовыми и комплаенс-командами, чтобы гарантировать, что слой верификации поддерживает аудируемость и наши регуляторные обязательства Требуемая квалификация Глубокий опыт проектирования тестовой архитектуры и систем поставки в корпоративных или B2B SaaS средах — вы строили системы качества, а не просто использовали их Практический опыт с property-based тестированием (например, jqwik, Kotest property testing, fast-check, Hypothesis) и четкое понимание, где оно превосходит example-based тестирование Настоящая практика разработки через тестирование и способность обучать, моделировать и масштабировать ее как дисциплину проектирования Подтвержденный опыт создания и эксплуатации UI / сквозной тестовой инфраструктуры (например, Playwright, Cypress), которая остается быстрой и не-флаковой в масштабе Сильный опыт архитектуры CI/CD — проектирование пайплайнов как продуктов, с поэтапными шлюзами, эфемерными средами и стратегиями деплоя, такими как canary или прогрессивный rollout Экспертиза в наблюдаемости продакшена: метрики, распределенный трейсинг, структурированное логирование, SLO и алертинг (например, Prometheus, Grafana, OpenTelemetry, Datadog) Владение Kotlin и TypeScript, или глубокий опыт на JVM со способностью быстро освоиться Опыт с event-driven архитектурами (Kafka) и их тестированием — контрактное тестирование, replay-тестирование, проверка eventual consistency Практический опыт с Kubernetes (EKS) и AWS Искренний энтузиазм к AI-ассистированной разработке — и трезвый взгляд на то, почему она делает строгую автоматизированную верификацию более важной, а не менее Отличные коммуникационные навыки — эта роль меняет то, как работает вся инженерная команда, и это требует влияния, а не только архитектуры Желательная квалификация Опыт в fintech, платежах, FX или treasury operations — вы понимаете, почему ошибка округления — это инцидент Опыт создания систем верификации для AI-сгенерированного кода или evaluation harnesses для LLM-систем Опыт в mutation testing и мнение об измерении эффективности тестового набора помимо покрытия Знакомство с формальными методами (TLA+, model checking) или опыт design-by-contract Знакомство с SOC 2 или аналогичными комплаенс-фреймворками — автоматизация доказательств, контроль управления изменениями Подтвержденный опыт создания внутренних платформ разработчика, инструментов или golden paths Вклад в open-source инструменты тестирования, CI/CD или наблюдаемости Почему эта роль важна Каждая компания, внедряющая AI-разработку, скоро усвоит один и тот же урок: генерация дешева, верификация — это все. Слой контроля качества — это то, что превращает AI-ускорение из риска в преимущество — и в Kooltra он защищает системы, которые перемещают реальные деньги для реальных финансовых учреждений. Если вы верите, что отличный тестовый набор — это акт эмпатии к каждому инженеру, который выпускает продукт после вас, что пайплайны должны проектироваться как продукты, и что AI-first поставка настолько же сильна, насколько сильны шлюзы, через которые она проходит, — мы будем рады поговорить.