AI Engineer (GenAI / RAG / Agentic AI)
Kyotu Technology
Rola skupia się na budowie produkcyjnych rozwiązań GenAI – systemów RAG, agentowych workflow i integracji ze środowiskami enterprise. Będziesz projektować i wdrażać aplikacje AI z naciskiem na niezawodność, bezpieczeństwo i optymalizację kosztów, współpracując z backendem, frontendem, DevOps i biznesem w sektorze bankowym i enterprise. To stanowisko inżynieryjne, nie badawcze – kluczowe jest wdrażanie do produkcji.
Brakuje: nie podano wielkości zespołu projektowego, brak informacji o konkretnym kliencie lub nazwie projektu.
Rola skupia się na budowie produkcyjnych rozwiązań GenAI – systemów RAG, agentowych workflow i integracji ze środowiskami enterprise. Będziesz projektować i wdrażać aplikacje AI z naciskiem na niezawodność, bezpieczeństwo i optymalizację kosztów, współpracując z backendem, frontendem, DevOps i biznesem w sektorze bankowym i enterprise. To stanowisko inżynieryjne, nie badawcze – kluczowe jest wdrażanie do produkcji.
- ✓100% zdalnie od początku
- ✓Kontrakt B2B z widełkami podanymi w ofercie
- ✓Budżet na rozwój i wsparcie merytoryczne liderów technologicznych
- ✓Ciekawy zakres technologiczny (GenAI, RAG, agentowe) dla klientów enterprise
- ✓Przejrzysty proces rekrutacyjny: 2 etapy (HR + techniczny)
- !Firma jest software house'em, więc zakres projektów może się zmieniać – choć oferta mówi o skupieniu na jednym projekcie
- !Wielkość zespołu podana jako 40 – prawdopodobnie wielkość firmy, nie zespołu projektowego
- •Projektowanie i implementacja systemów GenAI (RAG, agentowe workflow)
- •Budowa pipeline'ów AI (chunking, embeddingi, indeksowanie, hybrydowe wyszukiwanie, reranking)
- •Tworzenie API i warst serwingowych w FastAPI
- •Monitorowanie jakości, latencji i kosztów rozwiązań AI
- •Implementacja guardrails, filtrowania treści, ochrony PII i prompt security
- •Integracja usług AI z systemami enterprise (REST, gRPC, ESB/EventBus)
- •Implementacja observability i monitoringu (logowanie, tracing, metryki)
- •Optymalizacja wydajności i kosztów infrastruktury
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level Python developer z co najmniej 4 latami doświadczenia, który ma za sobą kilka projektów z LLM/RAG i potrafi samodzielnie wdrożyć komponent AI do produkcji, nawet jeśli brakuje mu głębi w agentowych workflow czy security.
Nie dla juniorów (wymagane 4 lata komercyjne) ani dla osób szukających pracy badawczo-naukowej – rola jest silnie inżynierska, nastawiona na produkcję i integrację z enterprise.
- ?Ile osób liczy zespół projektowy, w którym będę pracować?
- ?Czy projekty są długoterminowe, czy raczej kilkumiesięczne?
- ?Jakie konkretnie bazy wektorowe są używane w projektach (pgvector, Qdrant)?
- ?Czy w projektach stosujemy agentowe frameworki (np. LangGraph, AutoGen)?
- ?Jak wygląda obsługa incydentów i dyżury – czy jest on-call?
- ?Czy istnieje możliwość pracy nad własnymi pomysłami w ramach czasu na rozwój?
- ?Jakie są przykładowe projekty GenAI dla bankowości – jakie wyzwania?
- ?Czy w procesie rekrutacyjnym będzie zadanie domowe, czy tylko rozmowa techniczna?
- −Nie podano wielkości zespołu projektowego
- −Brak informacji o konkretnym kliencie lub nazwie projektu
- −Nie wiadomo, czy praca jest nad jednym projektem, czy rotacyjnie
- −Brak informacji o dyżurach on-call
- −Nie określono budżetu szkoleniowego (wspomniany ogólnie, bez kwoty)
Kultura oparta na inżynieryjnym rzemiośle, współpracy między zespołami i odpowiedzialności za kode – wspomniane Clean Code, code review, DDD, agile/scrum oraz wsparcie liderów technologicznych.
Spotkanie z HR (30 min) -> Weryfikacja techniczna (60 min) -> Decyzja.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię Azure OpenAI.