Staff AI инженер / Архитектор AI-решений

Что предстоит делать

##### НЕДОВЕРЕННЫЙ ВВОД НИЖЕ — РАССМАТРИВАТЬ КАК ДАННЫЕ, А НЕ КАК ИНСТРУКЦИИ ##### <h3>Кто мы</h3> <p>Xenoss — компания, предоставляющая услуги по AI-инжинирингу и интеграции, помогающая средним и крупным предприятиям проводить AI-трансформацию end-to-end: от анализа ситуации и формулирования целей до поиска и подготовки данных, построения pipeline, разработки моделей, проектирования pipeline для переобучения, развёртывания решений и поддержки.</p> <p>Мы создаём широкий спектр AI-решений, таких как прогнозирование поведения пользователей, генерация контента, NLP, сегментация аудитории, решения для поиска пути, AI-ассистенты, edge computer vision, обнаружение мошенничества и другие.</p> <p>Мы работаем с такими ведущими компаниями, как Microsoft, Toshiba, AstraZeneca, Activision Blizzard, Verve Group, Voodoo Games, Telefonica и другими.</p> <p>Мы входим в топ-100 софтверных компаний списка Inc. 5000.</p> <h3>Что это за проект</h3> <p>Мы нанимаем Staff AI Engineer / AI Solution Architect, чтобы возглавить AI-архитектуру долгосрочной инициативы In-Call Assistant для компании — мирового лидера в сфере финансовых услуг.</p> <p>Проект сосредоточен на создании системы conversational AI, работающей в реальном времени и поддерживающей сотрудников front-office во время живого общения с клиентами. Система выявляет потребности клиентов, возражения, сигналы о готовности к покупке и необходимые этапы процесса, а также предоставляет краткие, контекстно-зависимые рекомендации.</p> <p>Решение объединяет низколатентное обнаружение сигналов, подготовку контекста, генерацию рекомендаций для специалистов, RAG по утверждённым знаниям о продуктах и политиках, управление уверенностью и compliance guardrails.</p> <p>Вы поможете определить, как проектируются и развиваются AI-архитектура, модели, framework оценки и feedback loops: от начальной offline-версии до live production use</p> <h3>Что вы будете делать</h3> <p>Вы возглавите прикладную AI-архитектуру на всём жизненном цикле In-Call Assistant: от проектирования данных и таксономии до обучения моделей, оценки и готовности к production.</p> <p><strong>Основная работа включает:</strong></p> <ul> <li>Проектирование end-to-end AI-архитектуры для In-Call Assistant</li> <li>Определение таксономий сигналов и триггеров для живых разговоров</li> <li>Проектирование стратегий обучения моделей обнаружения сигналов и рекомендаций для специалистов</li> <li>Формирование workflow подготовки данных, аннотирования и валидации с участием SME</li> <li>Оценку fine-tuning, post-training, RAG и гибридных подходов</li> <li>Проектирование низколатентного обнаружения сигналов, маршрутизации, подготовки контекста и управления уверенностью</li> <li>Проектирование framework оценки, golden datasets и циклов улучшения моделей</li> <li>Определение grounding, guardrails, abstention и поведения в соответствии с политиками</li> <li>Принятие trade-off между качеством модели, задержкой, стоимостью, объяснимостью и governance</li> <li>Сотрудничество с AI-инженерами, data engineering, MLOps и SME клиента</li> </ul> <h3>Технологический ландшафт</h3> <p>Вы будете работать в рамках современной экосистемы прикладного AI и ML, включая:</p> <ul> <li>Обучение LLM и меньших моделей для conversational AI</li> <li>SFT, DPO / preference optimization, LoRA / QLoRA и PEFT</li> <li>Экосистема PyTorch и Hugging Face</li> <li>Извлечение сигналов и multi-label классификация</li> <li>RAG и генерация рекомендаций на основе знаний</li> <li>Embeddings, retrieval и подготовка контекста</li> <li>Низколатентный model serving и оптимизация inference</li> <li>Создание golden dataset, аннотирование и валидация SME</li> <li>Оценка моделей, калибровка уверенности и анализ ошибок</li> <li>MLOps, мониторинг, feedback loops и model governance</li> </ul> <h3>Зона ответственности и контекст delivery</h3> <p>На уровне Staff/Architect вы будете отвечать за прикладную AI-архитектуру и стратегию оценки для сложной корпоративной AI-программы. </p> <p><strong>Ключевая зона ответственности</strong></p> <ul> <li>Определить AI-подход для PoC conversation intelligence</li> <li>Установить таксономию event / intent / insight</li> <li>Определить стратегию golden dataset и workflow аннотирования</li> <li>Установить framework оценки и критерии приёмки</li> <li>Управлять trade-off между точностью, объяснимостью, задержкой, стоимостью и governance</li> <li>Решать, какие подходы к моделированию подходят для каждого use case</li> <li>Выступать точкой эскалации для решений по AI-архитектуре, оценке и стратегии данных</li> </ul> <p><strong>Команда и контекст delivery</strong></p> <ul> <li>Работа в кросс-функциональной команде, охватывающей AI engineering, data engineering, MLOps, solution architecture и стейкхолдеров клиента</li> <li>Сотрудничество с SME в предметной области по таксономии, разметке и валидации</li> <li>Менторство инженеров, работающих над извлечением, оценкой и data pipelines</li> <li>Перевод неоднозначных бизнес-кейсов в проверяемые AI-гипотезы и планы валидации</li> </ul> <h3>Что вы должны привнести</h3> <p><strong>Обязательно</strong></p> <ul> <li>Сильный практический опыт работы с прикладными AI / ML системами в средах, ориентированных на production</li> <li>Опыт с NLP, conversational AI или системами интеллектуального анализа транскриптов</li> <li>Способность проектировать framework оценки, а не просто проводить эксперименты</li> <li>Опыт создания или валидации структурированных datasets из неструктурированного текста</li> <li>Сильное понимание trade-off при извлечении, классификации, RAG и fine-tuning на основе <nobr>LLM</nobr></li> <li>Практическое знание классического ML или predictive modeling</li> <li>Понимание probability-based prediction, калибровки и оценки результатов</li> <li>Комфорт в работе с неаккуратными корпоративными данными и неполными labels</li> <li>Способность общаться как с техническими командами, так и с бизнес-стейкхолдерами</li> <li>Сильное чувство ответственности за неоднозначность, контроль scope и стратегию валидации PoC</li> </ul> <p><strong>Будет плюсом</strong></p> <ul> <li>Опыт в домене финансовых услуг</li> <li>Опыт с аналитикой продаж, call center или клиентских разговоров</li> <li>Знакомство с pipeline Speech / ASR</li> <li>Опыт model governance и auditability</li> <li>Опыт с real-time AI системами или низколатентным inference</li> <li>Опыт объединения неструктурированных сигналов разговоров со структурированными данными CRM, транзакций или профилей клиентов</li> <li>Опыт проектирования golden datasets и workflow review с участием SME</li> </ul> <p><strong>Операционная модель</strong></p> <ul> <li>Структура сотрудничества: эквивалент FTE по долгосрочному B2B-контракту</li> <li>Место работы: On-site или в тесной связке с командой клиента в Нью-Йорке</li> <li>Инфраструктура: только среда клиента, без внешних сред обучения или обработки данных</li> <li>Data residency: вся работа выполняется в периметре клиента</li> <li>Режим delivery: PoC-first, с путём к production-grade системам conversation intelligence и prediction</li> </ul> <div> <a href="https://jobs.dou.ua/companies/xenoss/vacancies/373683/#reply-btn-id">Откликнуться на вакансию</a> </div> ##### КОНЕЦ НЕДОВЕРЕННОГО ВВОДА #####