Mid AI Engineer
ITFS
Rola skupia się na budowaniu produkcyjnych aplikacji GenAI i systemów wieloagentowych dla klienta z branży FMCG. Inżynier będzie projektować i wdrażać potoki RAG, procesy agentowe oraz integracje z systemami korporacyjnymi, pracując end-to-end od prototypu do deploymentu w chmurze. To stanowisko dla osoby z doświadczeniem w inżynierii oprogramowania lub danych, która chce specjalizować się w AI stosowanym.
Brakuje: nie podano wielkości zespołu ani liczby osób na podobnych stanowiskach., brak informacji o systemach legacy, z którymi trzeba się integrować..
Rola skupia się na budowaniu produkcyjnych aplikacji GenAI i systemów wieloagentowych dla klienta z branży FMCG. Inżynier będzie projektować i wdrażać potoki RAG, procesy agentowe oraz integracje z systemami korporacyjnymi, pracując end-to-end od prototypu do deploymentu w chmurze. To stanowisko dla osoby z doświadczeniem w inżynierii oprogramowania lub danych, która chce specjalizować się w AI stosowanym.
- ✓W pełni zdalna praca (100% remote) na B2B z atrakcyjną stawką (140-160 PLN/h).
- ✓Praktyczne doświadczenie z najnowszymi frameworkami agentowymi (LangChain, LangGraph, LlamaIndex) i protokołem MCP.
- ✓Możliwość pracy end-to-end nad funkcjami – od prototypu do produkcji.
- ✓Współpraca z doświadczonymi inżynierami i architektami w międzynarodowym projekcie FMCG.
- !Proces rekrutacyjny obejmuje 4 etapy (telefoniczny, techniczny, miękka, decyzja) – może być czasochłonny.
- !Wymóg codziennego używania narzędzi AI (Cursor/Copilot) – może być dla niektórych ograniczeniem, jeśli preferują tradycyjne IDE.
- !Praca przez ITFS (outsourcing) – projekty mogą się zmieniać, a stabilność zależy od kontraktów z klientem.
- •Projektowanie i implementacja aplikacji GenAI z użyciem Python i API modeli LLM (OpenAI, Anthropic, Google) oraz modeli open-source.
- •Budowa potoków RAG i procesów agentowych (agentic workflows) z wykorzystaniem frameworków takich jak LangChain, LangGraph czy LlamaIndex.
- •Integracja agentów z bazami danych, API i systemami firmowymi z użyciem protokołu MCP.
- •Samodzielne prowadzenie funkcji od prototypowania przez ewaluację do wdrożenia w chmurze (AWS/Azure/GCP).
- •Ewaluacja i optymalizacja wyników AI – poprawa dokładności, redukcja halucynacji, dostrajanie wydajności.
- •Korzystanie z narzędzi AI wspomagających kodowanie (Cursor, Copilot) w codziennej pracy.
- •Współpraca z doświadczonymi inżynierami, architektami i konsultantami przy projektach klienckich.
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Minimalny kandydat to inżynier z 3 latami w SWE/DE i rokiem w LLM/GenAI, który potrafi samodzielnie zbudować prosty potok RAG i wdrożyć go w chmurze. Zna podstawy frameworków agentowych i protokołu MCP, a na co dzień korzysta z narzędzi AI do kodowania.
Nie dla juniorów poniżej 3 lat komercyjnego doświadczenia, ani dla osób bez komercyjnego projektu z LLM. Rola wymaga dużej samodzielności i znajomości najnowszych technologii agentowych.
- ?Jak duży jest zespół, w którym będę pracować?
- ?Czy projekt jest nowy (greenfield) czy rozwijany?
- ?Jak wygląda proces decyzyjny dotyczący wyboru frameworków i chmury?
- ?Czy są przewidziane dyżury on-call lub praca w weekendy?
- ?Jakie są główne wyzwania techniczne w obecnych projektach GenAI dla tego klienta?
- ?Czy istnieje możliwość wpływu na architekturę i wybór narzędzi?
- ?Jakie są oczekiwania co do znajomości MCP – czy to wymóg konieczny czy można się douczyć?
- −Nie podano wielkości zespołu ani liczby osób na podobnych stanowiskach.
- −Brak informacji o systemach legacy, z którymi trzeba się integrować.
- −Nie wiadomo, czy projekt jest nowy (greenfield) czy rozwijany na istniejącej bazie.
- −Brak informacji o procedurach bezpieczeństwa i zgodności (compliance) w kontekście MCP.
- −Nie podano, jak często odbywają się spotkania zespołu i czy są jakieś wymagane godziny pracy.
Zespół składa się z doświadczonych inżynierów, architektów i konsultantów, a praca opiera się na współpracy i wspólnym podejmowaniu decyzji projektowych. Kultura pracy jest raczej techniczna i nastawiona na dostarczanie wartości klientowi.
Rozmowa telefoniczna z ITFS (ok. 20 min.) → rozmowa techniczna z przedstawicielem Klienta → rozmowa miękka z przedstawicielem klienta → podjęcie decyzji (4 etapy).
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię Python. Pełne statystyki zarobków →