Универсальный Агент / База знаний Ops — производственный AI-продукт внутри Сбербанка, автоматизирующий деятельность операционного центра. Операционный центр обрабатывает порядка 3 000 типов задач ежедневно: анализ документов, верификация данных, сверка информации между банковскими системами. Продукт состоит из двух агентных систем, которые работают в связке: УИЦС (Создатель навыков) Агент-компилятор знаний. Читает стандартные операционные процедуры (СОП) и инструкции, преобразует их в машиноисполняемые скилы — структурированные графы шагов, инструментов и логики. УИЦС (Универсальный движок) Агент-исполнитель. Принимает входящие задачи, выбирает нужный скил и исполняет его в co-pilot режиме с подтверждением оператора. Подключён к реальным интеграциям: ЕСМ, банковские API.Обязанности разработка и итерация пайплайна извлечения структуры из неформатированных документов (PDF, DOCX, скриншоты) проектирование схемы представления скилов: граф шагов, типы узлов, инструменты, ветвления, условия разработка и улучшение LLM-промптов для компиляции СОП → граф, few-shot стратегии, оценка галлюцинаций построение системы качества: gold dataset, метрики на каждом этапе пайплайна, автоматическое тестирование внедрение семантического поиска и RAG для работы с базой знаний инструкций исследование методов дообучения / fine-tuning для специализации модели под банковскую документацию оценка качества созданных скилов через их исполнение в УИЦС (метрики end-to-end). Требования опыт в ML Engineering от 4 лет, из них от 2 лет с LLM и NLP-задачами уверенное владение Python: LangChain / LangGraph или аналоги, работа с графами зависимостей практический опыт построения RAG-систем: chunking, embeddings, retrieval, re-ranking опыт разработки и оценки промптов: few-shot, chain-of-thought, structured output, функциональные вызовы работа с векторными хранилищами и семантическим поиском (FAISS, ChromaDB или аналоги) умение строить системы оценки качества ML-пайплайнов: gold dataset, offline/online метрики, A/B понимание архитектуры агентных систем: ReAct, plan-and-execute, tool use, multi-agent Будет преимуществом: опыт работы с GigaChat, YandexGPT или другими российскими LLM в production знакомство с банковской документацией: СОП, регламенты, инструкции ЦБ РФ опыт разработки систем непрерывного обучения: процедурная память, quarantine/decay механизмы знакомство с PaddleOCR, Tesseract, VLM для анализа документов и скриншотов. Условия комфортный офис: г.Москва, проезд 2-й Южнопортовый, 12Ак1, (м.Кожуховская) возможен гибридный формат работы после испытательного срока корпоративный тренажерный зал 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.
Похожие вакансии