Integracja LLM z ekosystemem przedsiębiorstwa – zewnętrzne API i narzędzia, systemy wewnętrzne, bazy danych.
Projektowanie i budowa agentów AI – orkiestracja zadań oraz integracje z aplikacjami i/lub bazami danych oparte o reguły i kontekst biznesowy.
Implementacja architektury RAG oraz praca z bazami wektorowymi i optymalizacją retrievalu,
Propagowanie wiedzy o sztucznej inteligencji, architekturze agentowej wewnątrz organizacji jak i jej partnerów,
Uczestnictwo w planowaniu i projektowaniu modeli architektury AI,
Zarządzanie wymaganiami biznesowymi i współpraca z interesariuszami,
Definiowanie procesów i procedur zarządzania rozwiązaniami AI uwzględniając dojrzałość organizacji i bezpieczeństwo ich stosowania
Optymalizacja jakości i kosztu rozwiązań agentowych – tuning promptów, zarządzanie kontekstem, ewaluacje i testy, obserwowalność (telemetria), kontrola kosztów i opóźnień.
Data & Model Engineering tam, gdzie potrzebne – trenowanie/testy modeli ML, fine‑tuning i integracja modeli do systemów korporacyjnych (on‑prem i/lub chmura).
Bezpieczeństwo i zgodność – projektowanie rozwiązań „secure‑by‑design”, spełnienie wymogów branżowych i regulacyjnych (finanse), gotowość audytowa, kontrola uprawnień i ścieżek dostępu.
Skalowanie udanych prototypów do usług IT
Dzielenie się wiedzą i prowadzenie warsztatów powdrożeniowych,
Realizacja innych powierzonych zadań w ramach Centrum Kompetencyjnego ds. Danych i AI

AI Engineer