AI Native Engineer | Branża Logistyczna
Edge One Solutions
Rola skupia się na budowaniu agentów, workflowów i automatyzacji z wykorzystaniem LLM i narzędzi no-code/low-code (np. Zapier, n8n) w zielonym projekcie logistycznym. To nie jest klasyczny backend ani data science – chodzi o szybkie prototypowanie rozwiązań AI-native, które automatyzują procesy biznesowe. Praca odbywa się w modelu hybrydowym (mimo że w opisie jest '100% zdalna', struktury wskazują hybrydę – warto to wyjaśnić). Klient to duża europejska firma logistyczna (giełdowa, ~5 mld USD kapitalizacji), co daje stabilność i skalę.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o wielkości zespołu i strukturze, nie opisano procesu rekrutacyjnego (etapy, czas trwania).
Rola skupia się na budowaniu agentów, workflowów i automatyzacji z wykorzystaniem LLM i narzędzi no-code/low-code (np. Zapier, n8n) w zielonym projekcie logistycznym. To nie jest klasyczny backend ani data science – chodzi o szybkie prototypowanie rozwiązań AI-native, które automatyzują procesy biznesowe. Praca odbywa się w modelu hybrydowym (mimo że w opisie jest '100% zdalna', struktury wskazują hybrydę – warto to wyjaśnić). Klient to duża europejska firma logistyczna (giełdowa, ~5 mld USD kapitalizacji), co daje stabilność i skalę.
- ✓Greenfield projekt z dużą swobodą techniczną i eksperymentowaniem
- ✓Nowoczesny stack AI-native (LLM, automatyzacje) – atrakcyjny dla osób chcących pracować z AI
- ✓Klient to duża, stabilna firma giełdowa (kapitalizacja ~5 mld USD)
- −Brak widełek wynagrodzenia – typowe dla outsourcingu, ale utrudnia ocenę oferty
- !Poziom 'regular' jest dość ogólny – brak jasności czy to mid czy senior
- !Agencja/outsourcing (Edge One Solutions) – możliwa rotacja projektów, choć klient jest stabilny
- !Duży nacisk na szybkie prototypowanie – czy jest przestrzeń na utrzymanie i skalowanie?
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie promptów i interakcji z modelami LLM (ChatGPT, Claude, Gemini)
- •Budowanie workflowów i automatyzacji w narzędziach takich jak Zapier, Make, n8n
- •Integracja modeli AI z istniejącymi systemami logistycznymi i źródłami danych
- •Szybkie prototypowanie i iteracyjne ulepszanie rozwiązań na podstawie wyników
- •Analiza danych i interpretacja rezultatów generowanych przez AI
- •Tworzenie agentów AI wykonujących sekwencje: analiza → decyzja → akcja
- •Dokumentowanie rozwiązań i współpraca z zespołem inżynierskim przy skalowaniu
- •Testowanie nowych narzędzi AI i automatyzacji, proponowanie usprawnień
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Osoba, która ma podstawową wiedzę o LLM i potrafi korzystać z narzędzi takich jak Zapier, oraz jest gotowa uczyć się i eksperymentować. Może mieć mniejsze doświadczenie, ale musi wykazać się samodzielnością i praktycznym podejściem do rozwiązywania problemów.
Osoby szukające tradycyjnej roli backend/frontend developera lub data scientist z głębokim ML. Rola nie jest dla kogoś, kto woli stabilne, długoterminowe projekty nad szybkie prototypowanie. Nie dla osób unikających no-code/low-code narzędzi.
- ?Ile osób liczy zespół projektowy? Jakie są role (developerzy, PM, itp.)?
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- ?Czy wymagana jest znajomość konkretnych modeli LLM (np. GPT-4, Claude 3) poza ogólnym 'podobnymi'?
- ?Jakie konkretne narzędzia automatyzacji są używane w projekcie – tylko Zapier, czy też bardziej programistyczne?
- ?Czy istnieje możliwość dalszego rozwoju w stronę bardziej inżynierską (np. programowanie agentów od zera w Pythonie)?
- ?Jakie są oczekiwania co do dni pracy w biurze (np. 2 dni w tygodniu)?
- −Brak informacji o wielkości zespołu i strukturze
- −Nie opisano procesu rekrutacyjnego (etapy, czas trwania)
Zespół stawia na szybkie prototypowanie i iteracje, eksperymentowanie z nowymi narzędziami. Praca w modelu AI-native, z naciskiem na realne efekty i mierzalną wartość. Klient to duża organizacja logistyczna, więc skala jest globalna.