GenAI / Agentic AI Solution Architect

GenAI / Agentic AI Solution Architect

Lokalizacja: zdalnie / hybrydowo

Stawka: 190 - 220 PLN/h + Vat

Typ współpracy: B2B

O projekcie i modelu pracy

Klient przechodzi na model pracy oparty o małe, autonomiczne zespoły (PODy), z których każdy odpowiada za dostarczenie konkretnego use case’u AI end-to-end (od POC do produkcji).

Typowy POD:

• AI/ML Engineer
• Backend Engineer
• (opcjonalnie) Frontend
• QA / Data / MLOps
• Product / Tech Lead

Każdy zespół pracuje nad konkretnym rozwiązaniem (np. chatbot, RAG, automatyzacja procesów).

Dlaczego ta rola jest kluczowa

Przy wielu równoległych PODach pojawia się ryzyko:

• niespójnych podejść do LLM, RAG i promptowania
• duplikacji rozwiązań
• problemów ze skalowaniem i kosztami
• braku standardów technologicznych

👉 Dlatego poszukiwany jest hands-on AI Architect, który:

• zapewni spójną architekturę AI
• zdefiniuje standardy pracy
• jednocześnie aktywnie buduje rozwiązania

Rola

To połączenie:

• architekta systemów
• senior AI/ML engineera
• MLOps / LLMOps

Kluczowe: to rola techniczna - oczekiwane jest aktywne kodowanie i prototypowanie, nie tylko projektowanie.

Zakres obowiązków

1. Architektura AI

• Projektowanie rozwiązań:
• RAG (Retrieval-Augmented Generation)
• systemy agentowe
• pipeline’y przetwarzania danych
• Dobór technologii:
• modele (OpenAI vs open-source)
• podejście (fine-tuning vs RAG)
• narzędzia (LangChain, LlamaIndex, custom)

2. Hands-on development

• Budowa POCów i referencyjnych implementacji
• Prototypowanie rozwiązań dla zespołów (PODów)
• Debugging:
• promptów
• jakości odpowiedzi (np. halucynacje)
• integracji systemów

3. Standaryzacja pracy zespołów

• Definiowanie standardów:
• budowy feature’ów AI
• ewaluacji modeli
• deploymentu rozwiązań
• Code review i architecture review
• Tworzenie komponentów reużywalnych

4. MLOps / LLMOps

• Budowa pipeline’ów:
• ingest danych
• embeddingi
• indexing (vector DB)
• Monitoring:
• jakości odpowiedzi
• kosztów LLM
• CI/CD dla rozwiązań AI

Wymagania (must-have)

Technologia

• Bardzo dobra znajomość Python
• Doświadczenie z:
• LLM (OpenAI i/lub open-source)
• RAG i bazami wektorowymi (np. Pinecone, Weaviate, FAISS)
• embeddingami
• Narzędzia:
• LangChain / LlamaIndex (lub podobne)
• Cloud:
• AWS / GCP / Azure
• Podstawy:
• Docker
• CI/CD
• Bardzo dobra znajomość j. angielskiego ( współpraca z USA)

AI / ML

• Zrozumienie działania modeli (nie tylko korzystanie z API)
• Umiejętność pracy z:
• trade-offami (jakość vs koszt vs latency)
• podejściami: fine-tuning vs RAG
• Doświadczenie w ewaluacji modeli (kluczowe)

Architektura

• Doświadczenie w projektowaniu systemów (microservices, event-driven)
• Umiejętność projektowania rozwiązań:
• skalowalnych
• bezpiecznych
• zoptymalizowanych kosztowo

Profil kandydata

• Silne podejście problem-solving i pragmatyzm
• Umiejętność pracy z wieloma zespołami jednocześnie
• Zdolność narzucania standardów bez blokowania pracy zespołów
• Umiejętność komunikacji z technicznymi i biznesowymi stakeholderami
• Balans między rolą „buildera” a lidera technicznego

Dlaczego warto

• Praca nad wieloma realnymi use case’ami AI równolegle
• Duży wpływ na architekturę i standardy organizacji
• Dynamiczne środowisko i szybkie wdrożenia
• Możliwość budowania rozwiązań od POC do produkcji