Zatrudnienie w oparciu o umowę o pracę bezpośrednio o Klienta

Obszar systemów korporacyjnych dynamicznie się zmienia. Wraz ze Strategią AI pojawia się konieczność wsparcia obszarów biznesowych w automatyzacji i budowaniu wartości wykorzystując rozwiązania AI oraz budując portfel zastosowań AI. W związku z tym pojawia się wymóg budowania zupełnie nowych kompetencji w organizacji. Jedną z nich jest inżynier AI.

Codzienne zadania

• Integracja LLM z ekosystemem przedsiębiorstwa – zewnętrzne API i narzędzia, systemy wewnętrzne, bazy danych. 
• Projektowanie i budowa agentów AI – orkiestracja zadań oraz integracje z aplikacjami i/lub bazami danych oparte o reguły i kontekst biznesowy. 
• Implementacja architektury RAG oraz praca z bazami wektorowymi i optymalizacją retrievalu, 
• Propagowanie wiedzy o sztucznej inteligencji, architekturze agentowej wewnątrz organizacji jak i u jej partnerów, 
• Uczestnictwo w planowaniu i projektowaniu modeli architektury AI, 
• Zarządzanie wymaganiami biznesowymi i współpraca z interesariuszami, 
• Definiowanie procesów i procedur zarządzania rozwiązaniami AI uwzględniając dojrzałość organizacji i bezpieczeństwo ich stosowania 
• Optymalizacja jakości i kosztu rozwiązań agentowych – tuning promptów, zarządzanie kontekstem, ewaluacje i testy, obserwowalność (telemetria), kontrola kosztów i opóźnień. 
• Data & Model Engineering tam, gdzie potrzebne – trenowanie/testy modeli ML, fine‑tuning i integracja modeli do systemów korporacyjnych (on‑prem i/lub chmura). 
• Bezpieczeństwo i zgodność – projektowanie rozwiązań „secure‑by‑design”, spełnienie wymogów branżowych i regulacyjnych (finanse), gotowość audytowa, kontrola uprawnień i ścieżek dostępu. 
• Skalowanie udanych prototypów do usług IT 
• Dzielenie się wiedzą i prowadzenie warsztatów powdrożeniowych, 
• Realizacja innych powierzonych zadań w ramach Centrum Kompetencyjnego ds. Danych i AI 

Must have

• AI
• C
• API
• Python