GenAI & Agentic AI Solution Architect
Softwarely
Rola łączy architekturę rozwiązań GenAI z praktycznym programowaniem. Będziesz projektować systemy RAG, agentowe oraz pipeline'y danych, a także budować prototypy, debugować prompty i optymalizować jakość odpowiedzi modeli. Odpowiadasz za standardy techniczne dla wielu zespołów (PODów), ale nie blokujesz ich tempa. To rola dla kogoś, kto lubi zarówno myśleć strategicznie, jak i brudzić ręce kodem.
Brakuje: brak informacji o kliencie końcowym, nie podano wielkości zespołów (podów).
Rola łączy architekturę rozwiązań GenAI z praktycznym programowaniem. Będziesz projektować systemy RAG, agentowe oraz pipeline'y danych, a także budować prototypy, debugować prompty i optymalizować jakość odpowiedzi modeli. Odpowiadasz za standardy techniczne dla wielu zespołów (PODów), ale nie blokujesz ich tempa. To rola dla kogoś, kto lubi zarówno myśleć strategicznie, jak i brudzić ręce kodem.
- ✓Wymaganie praktycznego kodowania – dobrze dla inżynierów
- ✓Rozmowa z klientem – transparentność procesu
- !Brak informacji o kliencie końcowym (branża, skala)
- !Nie podano wielkości zespołów (PODów) ani liczby zespołów
- !Krótki test techniczny – nie wiadomo jaka forma (live coding, zadanie domowe?)
- !Sformułowanie 'u klienta' mimo trybu zdalnego – potencjalna niejasność modelu współpracy
- •Projektowanie architektury systemów RAG i agentowych
- •Budowa prototypów (POC) i implementacji referencyjnych
- •Debugowanie promptów i optymalizacja odpowiedzi modeli LLM
- •Definiowanie metod ewaluacji modeli i reusable components
- •Zarządzanie procesami embeddingu i indeksowania w Vector DB
- •Monitorowanie jakości odpowiedzi i kosztów tokenów (LLM Cost Management)
- •Przeprowadzanie przeglądów architektury (Architecture Review) z zespołami
- •Współpraca z wieloma PODami przy wdrażaniu AI features
Oferta dla doświadczonych specjalistów (Senior).
Osoba z solidnym doświadczeniem w Pythonie i znajomością LangChain/LlamaIndex, która rozumie trade-offy w systemach AI, ma praktykę w cloud i DevOps. Może nie być ekspertem w architekturze na dużą skalę, ale potrafi samodzielnie zaprojektować i zbudować prototyp rozwiązania GenAI.
Czysto teoretyczni architekci bez umiejętności kodowania, ML Engineerzy skupieni wyłącznie na researchu bez doświadczenia w dostarczaniu produkcyjnych systemów. Osoby szukające stabilnego, długoterminowego projektu u jednego pracodawcy (praca przez agencję).
- ?Kim jest klient końcowy? Jaka branża i skala systemu?
- ?Ile osób liczą zespoły (PODy) i jak są zorganizowane?
- ?Jak wygląda proces podejmowania decyzji o wyborze modelu (OpenAI vs open-source, fine-tuning vs RAG)?
- ?Czy istnieje już jakaś architektura AI, czy budujemy od zera?
- ?Jakie narzędzia do monitorowania LLM są używane?
- ?Czy test techniczny to zadanie domowe, live coding czy coś innego?
- −Brak informacji o kliencie końcowym
- −Nie podano wielkości zespołów (PODów)
- −Brak szczegółów dotyczących testu technicznego
- −Nie opisano procesu wdrożenia i utrzymania systemów w produkcji
- −Brak informacji o budżecie na szkolenia lub konferencje
Dynamiczne środowisko z wieloma zespołami, gdzie wymagana jest umiejętność równoległego prowadzenia strumieni projektowych i tłumaczenia skomplikowanych decyzji technicznych. Kładzie się nacisk na praktyczne działanie i dostarczanie rozwiązań.
Trzy etapy: rozmowa HR, krótki test + rozmowa techniczna, rozmowa z klientem.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →