AI / LLM Engineer
Devapo
Rola polega na budowaniu aplikacji opartych na LLM i systemach RAG dla klientów enterprise z sektora bankowego, ubezpieczeniowego i telekomunikacyjnego. Pracujesz jako część zespołu klienta (model embedded). Na co dzień projektujesz agenty AI, integrujesz modele językowe, budujesz potoki przetwarzania danych i piszesz produkcyjny kod w Pythonie. To rola czysto inżynierska, wymagająca praktycznego doświadczenia z LLM w produkcji – nie badawcza.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie określono liczby projektów równocześnie, brak informacji o zespole (wielkość, rozkład kompetencji).
Rola polega na budowaniu aplikacji opartych na LLM i systemach RAG dla klientów enterprise z sektora bankowego, ubezpieczeniowego i telekomunikacyjnego. Pracujesz jako część zespołu klienta (model embedded). Na co dzień projektujesz agenty AI, integrujesz modele językowe, budujesz potoki przetwarzania danych i piszesz produkcyjny kod w Pythonie. To rola czysto inżynierska, wymagająca praktycznego doświadczenia z LLM w produkcji – nie badawcza.
- ✓Finansowanie certyfikatów i szkoleń
- ✓Różnorodne projekty międzynarodowe (USA, Holandia, UK)
- ✓Możliwość wpływu na wybór technologii i rozwiązań
- −Jednoetapowy proces rekrutacyjny (tylko rozmowa) – może sugerować brak weryfikacji technicznej
- −Brak widełek wynagrodzenia
- !Poziom 'regular' ale wymagania zbliżone do seniora (produkcyjne doświadczenie z LLM)
- !Praca embedded u klienta – ograniczony wpływ na wybór narzędzi mimo deklaracji
- !Brak informacji o zespole i liczbie projektów jednocześnie
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i wdrażanie systemów RAG (chunking, embedding, indeksowanie wektorowe)
- •Implementacja agentów AI z użyciem LangChain, LangGraph, LlamaIndex lub CrewAI
- •Integracja modeli LLM (OpenAI, Anthropic, Gemini, open-source) z istniejącymi systemami
- •Pisanie produkcyjnego kodu Python – REST API, testów, konteneryzacja (Docker)
- •Budowa potoków ETL do przetwarzania danych i ładowania do wektorowych baz danych
- •Bezpośrednia współpraca z klientem – zbieranie wymagań, prezentacja rozwiązań
- •Code review i tworzenie dokumentacji technicznej
- •Analiza i ocena jakości odpowiedzi LLM (RAGAS, LangSmith, Arize)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Mid-level inżynier (regular) z praktycznym doświadczeniem w budowie aplikacji LLM, który potrafi samodzielnie zaprojektować i wdrożyć system RAG, zna Pythona i jeden framework agentowy, oraz komunikuje się po angielsku.
Juniorzy bez doświadczenia z LLM w produkcji, osoby szukające wyłącznie pracy badawczej (R&D) lub niemające ochoty na bezpośredni kontakt z klientem.
- ?Ile osób liczy zespół, w którym będę pracować?
- ?Jak długo trwa typowy projekt u klienta?
- ?Czy mogę liczyć na czas na naukę i certyfikację w ramach godzin pracy?
- ?Jak wygląda proces wdrożenia do projektu – czy jest okres adaptacyjny?
- ?Czy klienci udostępniają własną infrastrukturę, czy korzystamy z naszej?
- ?Jakie są oczekiwania co do liczby godzin billable miesięcznie?
- ?Czy istnieje możliwość zmiany projektu w ramach firmy?
- −Nie określono liczby projektów równocześnie
- −Brak informacji o zespole (wielkość, rozkład kompetencji)
- −Nie wiadomo, czy wymagana jest praca w strefach czasowych klientów
- −Brak opisu dodatkowych etapów rekrutacji (zadanie domowe, live coding)
Nacisk na samodzielność, szybkie uczenie się i dostarczanie rzeczywistych rozwiązań. Firma podkreśla inwestycję w rozwój i kulturę feedbacku, ale praca u klienta może oznaczać różne środowiska.
Jednoetapowy proces: rozmowa rekrutacyjna. Brak informacji o zadaniu domowym lub innym etapie.