AI Engineer – GenAI & Cloud (f/m/x)
Sii
To rola inżynierska, która skupia się na wdrażaniu systemów AI do produkcji – od przetwarzania danych, poprzez integrację LLM, aż po monitorowanie. Będziesz budować aplikacje oparte na wiedzy (RAG), agentowe i klasyczne modele ML, uruchamiać je w chmurze (Azure, AWS, GCP) i dbać o ich niezawodność, koszty i jakość. To nie jest rola badawcza – codzienność to pisanie kodu produkcyjnego w Pythonie, konfiguracja infrastruktury i rozwiązywanie problemów z opóźnieniami, jakością danych czy ewaluacją.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano liczby osób w zespole, brak opisu procesu rekrutacyjnego (etapy, czas trwania).
To rola inżynierska, która skupia się na wdrażaniu systemów AI do produkcji – od przetwarzania danych, poprzez integrację LLM, aż po monitorowanie. Będziesz budować aplikacje oparte na wiedzy (RAG), agentowe i klasyczne modele ML, uruchamiać je w chmurze (Azure, AWS, GCP) i dbać o ich niezawodność, koszty i jakość. To nie jest rola badawcza – codzienność to pisanie kodu produkcyjnego w Pythonie, konfiguracja infrastruktury i rozwiązywanie problemów z opóźnieniami, jakością danych czy ewaluacją.
- ✓AI Grant – dedykowany budżet i 2 tygodnie na własny projekt AI
- ✓AI Center of Excellence – możliwość uczenia się od ekspertów
- ✓Wybór narzędzi AI (Claude, Cursor, GitHub Copilot)
- ✓Różnorodność projektów – od prawniczych po manufacturing
- ✓Wsparcie konferencyjne i mówcze
- !Poziom 'regular' przy wymaganiu 4 lat doświadczenia – może być niedoszacowany
- !Brak informacji o liczbie projektów, w których się pracuje jednocześnie (typowe w outsourcingu)
- !Nie określono, czy jest dyżur on-call lub oczekiwania co do dostępności
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie kompleksowych systemów RAG: pozyskiwanie danych, chunking, embeddingi, wyszukiwanie, reranking i generowanie odpowiedzi
- •Rozwijanie aplikacji agentowych z użyciem LangGraph, LangChain lub Semantic Kernel – integracja narzędzi, pętle planowania, zarządzanie pamięcią
- •Implementacja i utrzymanie pipeline'ów ML dla klasycznych przypadków użycia (predykcja, klasyfikacja, rekomendacje)
- •Deployowanie i optymalizacja serwowania modeli – API, batchowanie, cache'owanie, zarządzanie GPU i kosztami w chmurze
- •Pisanie czystego, testowalnego kodu produkcyjnego w Pythonie – nie prototypów
- •Tworzenie pipeline'ów ewaluacyjnych i monitorujących: automatyczne sprawdzanie jakości, detekcja dryfu, śledzenie opóźnień i pętle z człowiekiem
- •Praca z natywnymi usługami AI w chmurze (Azure, AWS lub GCP) przy skalowalnych rozwiązaniach
- •Współpraca z architektami AI i inżynierami danych nad projektem technicznym i dostępnością danych
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Minimalnie akceptowalny kandydat to osoba z 4 latami w software/ML engineeringu, solidnym Pythonem i podstawowym doświadczeniem z LLM oraz jedną chmurą. Musi mieszkać w Polsce i mówić płynnie po polsku i angielsku.
Osoba z mniej niż 4 latami doświadczenia, szukająca pracy badawczej, bez znajomości chmur lub bez zgody na pracę w Polsce. Również nie dla kogoś, kto chce unikać pisania kodu produkcyjnego i wolałby tylko koncepcyjnie projektować systemy.
- ?Ile osób liczy zespół AI, w którym będę pracować?
- ?Jak wygląda typowy projekt – pracuję nad jednym czy nad kilkoma równolegle?
- ?Czy istnieje możliwość wyboru chmury (Azure, AWS, GCP) czy jest narzucona przez klienta?
- ?Jakie są oczekiwania co do dyżurów on-call?
- ?Jaki jest proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- ?Czy istnieją ścieżki awansu na stanowisko AI Architekta lub Tech Leada?
- −Nie podano liczby osób w zespole
- −Brak opisu procesu rekrutacyjnego (etapy, czas trwania)
- −Nie określono, czy jest możliwość długoterminowego projektu czy częste zmiany
- −Brak informacji o budżecie na szkolenia poza AI Grantem
Zespół działa w ramach AI Center of Excellence, co sprzyja wymianie wiedzy i uczeniu się od specjalistów. Współpracuje się z architektami i inżynierami danych, a kultura opiera się na autonomii i wsparciu (AI Grant, wybór narzędzi).