AI Engineer - RAG & Document Intelligence
Craftware
Rola polega na budowie od podstaw platformy AI dla międzynarodowej firmy z branży Consumer Health. Będziesz projektować i implementować wieloagentowe systemy AI, które pozwolą użytkownikom biznesowym wyszukiwać i analizować informacje w złożonych dokumentach firmowych. To połączenie inżynierii i badań – nie tylko integrujesz gotowe modele, ale eksperymentujesz z architekturą agentów, RAG i parsingiem dokumentów. Projekt jest greenfield, a system będzie używany globalnie przez działy handlowe, marketingowe i R&D.
Brakuje: nie podano wielkości zespołu ani struktury (kto będzie w zespole? product owner, devops?), brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe?).
Rola polega na budowie od podstaw platformy AI dla międzynarodowej firmy z branży Consumer Health. Będziesz projektować i implementować wieloagentowe systemy AI, które pozwolą użytkownikom biznesowym wyszukiwać i analizować informacje w złożonych dokumentach firmowych. To połączenie inżynierii i badań – nie tylko integrujesz gotowe modele, ale eksperymentujesz z architekturą agentów, RAG i parsingiem dokumentów. Projekt jest greenfield, a system będzie używany globalnie przez działy handlowe, marketingowe i R&D.
- ✓Greenfield – budowa od podstaw, bez legacy
- ✓Element badawczy i autonomia techniczna – realny wpływ na architekturę
- ✓Projekt o globalnym zasięgu, obsługujący wiele działów
- ✓Budżet na certyfikację oraz wsparcie w rozwoju ścieżki kariery
- ✓W pełni zdalnie
- !Szeroki zakres technologii w must-have – może sugerować, że oczekuje się znajomości wielu narzędzi, co może być przytłaczające
- !Firma (Craftware) to software house / konsulting – rola może wiązać się z pracą u klienta, co nie każdemu odpowiada
- !Nie podano liczby osób w zespole ani konkretnego klienta
- !Brak informacji o dyżurach on-call
- •Projektowanie i implementacja wieloagentowych systemów AI w Python (routers, planners, verifiers) z użyciem LangGraph/LangChain
- •Budowa pipeline'ów do parsowania dokumentów (PDF, Word, prezentacje, skany) – wydobywanie tabel, wykresów i treści
- •Architektura end-to-end RAG: chunking, embedding, indeksowanie, hybrydowe wyszukiwanie, re-ranking
- •Tworzenie frameworków do automatycznej ewaluacji jakości AI (RAGAS, DeepEval, Langfuse)
- •Rozwój API w FastAPI dla komponentów AI
- •Praca z Azure (AI Search, AI Foundry, Containers) oraz Databricks (Delta Lake, Unity Catalog, MLflow)
- •Code review i utrzymywanie kodu produkcyjnego na GitHub
- •Współpraca z zespołem przy podejmowaniu decyzji architektonicznych i wyborze technologii
Oferta dla doświadczonych specjalistów (Senior).
Mid-level inżynier AI z solidnym doświadczeniem w Python i RAG, który pracował z LangChain i FastAPI, zna podstawy Azure i chciałby rozwinąć się w kierunku wieloagentowych systemów. Musi spełniać wszystkie must-have, ale może brakować mu głębi w Databricks lub ewaluacji.
Nie dla juniorów ani osób bez produkcyjnego doświadczenia z GenAI i RAG – wymagana jest samodzielność w projektowaniu i implementacji złożonych systemów. Rola nie jest odpowiednia dla kogoś, kto woli wykonywać z góry sprecyzowane zadania bez elementu badawczego.
- ?Ile osób liczy zespół AI i czy będziemy pracować bezpośrednio z klientem, czy przez Craftware?
- ?Jaki jest obecny stan projektu – czy są już jakieś decyzje architektoniczne, czy startujemy od zera?
- ?Jak wygląda proces ewaluacji i uczenia modeli – czy są narzędzia do A/B testowania w produkcji?
- ?Czy istnieje możliwość publikacji wyników badań lub udziału w konferencjach?
- ?Jak często odbywają się spotkania zespołu (daily, sprint planning) i w jakich godzinach?
- ?Czy są przewidziane dyżury on-call, a jeśli tak, to w jakim wymiarze?
- ?Jaki jest budżet na infrastrukturę cloud – czy są limity, czy można swobodnie eksperymentować?
- −Nie podano wielkości zespołu ani struktury (kto będzie w zespole? Product Owner, DevOps?)
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadanie domowe?)
- −Nie wiadomo, czy rola jest wyłącznie u jednego klienta, czy rotacyjnie
- −Brak informacji o ewentualnych dyżurach on-call
- −Nie podano konkretnych lat doświadczenia – tylko 'senior'
Firma kładzie nacisk na niezawodność, bezpieczeństwo i skalowalność, a projekt greenfield daje dużą autonomię i możliwość prowadzenia badań. Zespół prawdopodobnie składa się z doświadczonych inżynierów AI, pracujących w trybie zdalnym.