AI Engineer

Мы развиваем AI-агента для обработки офлайн-обращений корпоративных клиентов в контактном центре банка. Офлайн-линия — это часть клиентского сервиса, где обрабатываются сложные и отложенные обращения: вопросы, которые нельзя решить сразу на первой линии в чате или звонке. Сотрудники работают с большим потоком задач, анализируют историю обращений, коммуникации с клиентом, данные из внутренних систем, регистрируют запросы в профильные подразделения и готовят ответы клиентам. Наша цель — сделать обработку сложных обращений быстрее, качественнее и удобнее как для клиента, так и для сотрудника. Для этого мы создаём AI-агента, который помогает разбирать обращение, понимать суть проблемы, предлагать дальнейшие действия, формировать подсказки для сотрудников и постепенно брать на себя часть операций в автономном режиме. Продуктом офлайн-линии пользуются сотни сотрудников на нескольких площадках контактного центра. Команда работает на стыке клиентского сервиса, банковских процессов, LLM, классического ML и production-разработки. Обязанности проектировать и разрабатывать end-to-end LLM-агентов: оркестрация, управление состоянием, tool use, при необходимости multi-agent строить и развивать RAG-системы: embeddings, векторные хранилища, гибридный поиск, реранкинг, работа с внутренними базами знаний заниматься context engineering: structured outputs, schema-guided reasoning, управление тем, что и как попадает в контекст модели разрабатывать и поддерживать классические ML-модели как часть пайплайна (классификация, маршрутизация, скоринг) проводить эксперименты с разными подходами и сравнивать их: LLM, RAG, классификационные модели, гибридные пайплайны разрабатывать evaluation pipeline и метрики качества (offline/online eval, LLM-as-judge), настраивать трейсинг и наблюдаемость внедрять guardrails и механизмы надёжности: контроль галлюцинаций, валидация выходов, human-in-the-loop на чувствительных действиях, обработка PII доводить решения до пром: писать поддерживаемый production-код на Python, участвовать в проектировании архитектуры и интеграции вместе с разработчиками, аналитиками и владельцем продукта, анализировать логи, трейсы агента и поведение модели на реальных обращениях искать способы повысить качество, покрытие и автономность агента в реальных процессах контактного центра. Требования опыт в роли Data Scientist / ML Engineer / AI Engineer от 2–3 лет; профильное образование или эквивалентный опыт сильный Python и реальный опыт пром-разработки: git, тесты, docker, умение писать поддерживаемый код. практический опыт построения LLM-агентов и RAG-систем: оркестрация (LangGraph / LangChain / LlamaIndex или аналоги), tool use, context engineering, structured output, embeddings, retrieval опыт самостоятельной разработки классических ML-моделей: от подготовки обучающей выборки и feature engineering до обучения, error analysis и оценки качества умение измерять качество системно: метрики (precision/recall/F1, hit rate, human eval, бизнес-метрики) и построение evaluation-процесса для LLM-систем (датасеты, golden set, regression testing, мониторинг качества) понимание подходов к надёжности агентов: контроль галлюцинаций, валидация выходов, human-in-the-loop на чувствительных действиях опыт работы с API, БД, внешними сервисами и интеграционными сценариями способность разбираться в сложном бизнес-домене, задавать вопросы и предлагать решения под задачу Будет плюсом: опыт fine-tuning / дообучения моделей (SFT, LoRA) опыт с наблюдаемостью (Langfuse / LangSmith) и векторными БД (pgvector, Qdrant). Условия комфортный современный офис на Уральской д.1 формат работы -гибридный ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха более 400 образовательных программ СберУниверситета для профессионального и карьерного развития расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.