Инженер голосового/разговорного ИИ

Что предстоит делать

Superagent AI создает AI-нативный дистрибуционный слой для страхования — индустрии объемом $7 трлн, которая до сих пор работает на ручных процессах и устаревшем ПО. Мы — ранняя, быстрорастущая команда, переосмысляющая то, как продается, обслуживается и поддерживается страхование, с AI в основе. При поддержке ведущих венчурных фондов мы представляем собой международную команду из основателей, строителей и технологов с опытом успешных выходов из проектов. Нам уже доверяют более 100 агентств, и наша задача сейчас — быстро создать следующую версию платформы и обеспечить ее надежную работу по мере стремительного масштабирования: голосовая платформа реального времени, слой агентов/навыков, омниканальный обмен сообщениями и глубокая интеграция со страховыми системами. Зачем нужна эта роль Наши AI-голосовые агенты ежедневно общаются с реальными страхователями, и они уже работают — именно поэтому нам доверяют более 100 агентств. То, что они говорят и насколько надежно они говорят правильные вещи, и есть наш продукт, и мы добились здесь реальной силы. Теперь мы хотим двигаться быстрее и вывести это на новый уровень. Мы нанимаем Voice/Conversational AI Engineer, чтобы усилить то, как наши агенты получают промпты, оцениваются и улучшаются. Вы будете разрабатывать и масштабировать промпты и модели поведения агентов, лежащие в основе живых звонков, анализировать реальные данные звонков для поиска новых точек роста, а также создавать системы оценки (evals) и бенчмарки, позволяющие повышать качество быстро и уверенно. Цель — рычаг: выпускать больше улучшений, быстрее, каждое из которых подкреплено доказательствами, а не догадками. Это практическая роль строителя на стыке прикладного AI, данных и качества продукта — возможность поднять уже сильную голосовую платформу на новый уровень. Что вы будете контролировать Инженерия промптов в масштабе — разрабатывать, структурировать и версионировать промпты и модели поведения агентов, управляющие живыми голосовыми звонками, таким образом, чтобы это оставалось поддерживаемым по мере роста числа агентов и сценариев использования. Надежность поведения агентов — добиваться, чтобы один и тот же промпт вел себя одинаково во всех звонках, граничных случаях и обновлениях моделей; выявлять регрессии до того, как их заметят клиенты. Анализ звонков — изучать реальные транскрипты и данные звонков, чтобы находить паттерны сбоев, пропущенные интенты и возможности, и превращать эти находки в конкретные улучшения. Системы оценки и бенчмарки — создавать инфраструктуру для оценки (eval harnesses), наборы данных и бенчмарки, измеряющие качество агентов (точность, выполнение задач, задержка, тон), и делать их частью процесса релиза. Решения на основе данных — устанавливать метрики, проводить эксперименты и подкреплять каждое изменение доказательствами, чтобы повышать качество быстро и уверенно. Скорость через AI-нативную инженерию — вы ежедневно используете Claude Code и Codex для оркестрации кодирующих агентов и повышения своей эффективности, не позволяя скорости снижать планку надежности. О вас (обязательно) Сильный опыт работы с прикладными LLM — вы создавали и запускали в продакшн функции на базе LLM, а не только прототипы. Серьезное мастерство в инженерии промптов — вы умеете разбивать сложную задачу на надежные промпты/шаги агента, и у вас есть мнение о структуре, версионировании и поддержании промптов в масштабе. Мышление, ориентированное на оценку (evals-first) — вы создавали (или очень хотели создать) инфраструктуру для оценки, бенчмарки и тестовые наборы, и вы верите, что качество — это то, что измеряется, а не проверяется на ощущения. Уверенная работа с данными — вы умеете извлекать, обрабатывать и анализировать данные звонков/транскриптов (SQL и Python/TypeScript), чтобы находить сигналы и количественно оценивать влияние. Прочная инженерная база — вы пишете продакшн-код (предпочтительно TypeScript/Node) и можете интегрировать свою работу в реальный бэкенд, а не передавать ее как ноутбук. Строгость вместо интуиции — вы по умолчанию полагаетесь на эксперименты и доказательства и аргументируете свою позицию данными. Вы живете в Claude Code / Codex (или аналогах) — свободно и со своим мнением об AI-ассистированной инженерии. В 2026 году мы считаем это обязательным требованием. Мышление собственника — вы отвечаете за качество агента от начала до конца, включая продакшн, и следите за тем, как это влияет на реальные агентства и их клиентов. Будет плюсом Опыт работы с голосовыми/телефонными системами реального времени (Twilio, SIP, ASR/TTS, аудио, чувствительное к задержкам) и понимание того, как это влияет на промптинг и оценку. Создание агентных систем в продакшне — фреймворки для инструментов/навыков, MCP, защитные барьеры (guardrails). Тонкая настройка (fine-tuning), дистилляция или разработка, управляемая оценкой, на более глубоком уровне. Опыт создания пайплайнов с LLM-в-роли-судьи (LLM-as-judge) или автоматизированной оценки. Страхование, финтех или другая регулируемая/комплаенс-нагруженная вертикаль. Наш стек и инструменты Бэкенд: TypeScript, Node, NestJS · монорепозиторий (libs + apps) Голос: потоковое аудио реального времени, ASR/TTS, телефония (Twilio / SIP) Оркестрация: Temporal (Temporal Cloud) для движка кампаний/воркфлоу Данные: PostgreSQL на AWS RDS (мультитенантность, безопасность на уровне строк) AI: модели Anthropic + OpenAI, оркестрация промптов/агентов, оценка; тонко настроенные/дистиллированные модели на наших собственных данных Фронтенд: React / Next.js Платформа: AWS · Clerk (аутентификация) · Datadog (наблюдаемость) · Pylon + HubSpot (поддержка клиентов/CRM) Как мы релизим: Linear (с делегированием агентам), GitHub и Claude Code + Codex как часть ежедневной инженерии Как мы строим (инженерные принципы) Надежность — это функция. Мы не выпускаем то, что не можем поддерживать в работе. Планка качества не подлежит обсуждению. AI-нативность по умолчанию. Claude Code, Codex и кодирующие агенты — часть нашей работы, а не новинка. Мы ожидаем от них повышения эффективности каждый день. Близость к клиенту. Мы отдаем приоритет реальным звонкам агентств и обратной связи, а не мнениям в комнате. Выпускай маленькими порциями, выпускай часто. Короткие циклы, быстрая обратная связь, оценка вместо догадок. Ответственность. Инженеры отвечают за свою работу от начала до конца — включая продакшн. Как мы работаем Быстрорастущая распределенная команда с AI-нативной инженерной культурой. Мы ближе к нашим клиентам, чем большинство конкурентов — в этом наше преимущество, и это определяет наши приоритеты. Мы выпускаем то, что работает для реальных агентств, а не демо-версии.