IT компания Riverstart — аккредитованы в Минцифры, входим в реестр МТК,являемся участником Торгово-промышленной палаты РФ и Нижнего Новгорода. С 2024г разрабатываем решения в области видео-аналитики, AI и ML. Развиваем собственный R&D центр решений в области прикладной математики и искусственного интеллекта. В 2025г мы успешно выпустили 3 собственных продукта, основанных на алгоритмах машинного обучения. Входим в топ-20 разработчиков сложных проектов в России и занимаем первую строку в рейтинге агентств по поддержке и развитию сайтов (Рейтинг Рунета 2025). Взяли 50 наград в федеральных и международных IT-конкурсах: «Золотой сайт», «Рейтинг Рунета», «МИКС Россия» Workspace Digital Awards, Tagline Awards, Ruward Awards, G8 Creative Awards и других. ______________ О роли Мы развиваем направление экспериментальных продуктов с ML/AI-компонентой и ищем человека, который умеет доводить сырую идею до работающего прототипа. Это роль на стыке продукта и разработки: примерно наполовину — мышление продакта (понять задачу, сформулировать гипотезу, решить, что войдёт в прототип, а что отрезать), наполовину — руки, которые это собирают. Продукты на раннем этапе живут в условиях неполной информации. Здесь нет готового ТЗ — есть гипотеза, ограниченный срок и необходимость быстро получить что-то, что можно показать, протестировать на реальных данных и пользователях и честно оценить. Дальше — либо развивать, либо закрывать и переходить к следующему. Короткий цикл обратной связи и возможность влиять на то, что вообще берётся в работу, — суть этой позиции. Обязанности: Превращать продуктовые идеи в формулируемые гипотезы и понятный объём прототипа: что проверяем, на каких данных, по каким критериям считаем результат успешным. Собирать работающие прототипы и MVP с ML/AI внутри: LLM и RAG-пайплайны, обработка документов, ASR, компьютерное зрение, агентные сценарии — в зависимости от задачи. Общаться со стейкхолдерами и потенциальными пользователями: вытаскивать реальные требования, проверять предположения, переводить «хочется вот так» в технические решения. Принимать инженерные компромиссы осознанно: где достаточно демо «на скотче», а где нельзя халтурить, потому что от этого зависит вывод эксперимента. Оценивать результат: что прототип показал, где границы, что мешает довести до продукта, имеет ли смысл продолжать. Передавать удачные прототипы в продуктовую разработку — с внятным описанием логики, архитектуры и принятых решений. Требования: Сильные софт-скиллы: умение структурировать неопределённость, расставлять приоритеты, доводить дело до результата без подробной постановки сверху, внятно объяснять решения и компромиссы. Способность самостоятельно собрать работающий продукт от данных до интерфейса — full-stack-бэкграунд либо уверенная сборка с помощью AI-инструментов. Практическое понимание ML/AI-компонент: как устроены LLM, эмбеддинги и retrieval, чем демо отличается от продакшена, где модель уместна, а где это лишняя сложность. Опыт интеграции моделей и внешних API, оркестрации пайплайнов. Критическое отношение к результатам ИИ — и моделей, и инструментов генерации: умение проверять, а не принимать на веру. Комфорт в работе с ambiguity и готовность к тому, что часть гипотез не подтвердится — это нормальная часть процесса. Будет плюсом: Опыт запуска собственных продуктов или pet-проектов, доведённых до пользователей. Знакомство с предметными областями наших продуктов: обработка нормативной документации, распознавание речи, аналитика, отраслевые решения для регулируемых индустрий. Бэкграунд в ML/Data Science или исследовательский опыт. Стек: Python (FastAPI/Django), Vue или React/Node.js, REST API, понимание моделей данных и работы веб-приложений. Конкретные инструменты подбираем под задачу прототипа. Условия: Реальное влияние на то, какие продукты берутся в работу, и как они устроены. Возможность карьерного роста. Трудоустройство в аккредитованной IT-компании, рассматриваем и сотрудничество по ИП. Удалённый или гибридный формат, гибкий график. Конференции и митапы, командные выезды и неформальные посиделки.
Похожие вакансии