Mid AI Engineer
ITFS
Rola polega na budowaniu aplikacji opartych na generatywnej AI (GenAI) oraz systemów wieloagentowych (multi-agent) dla klienta z branży FMCG. Inżynier będzie projektować potoki RAG, integrować agenty z bazami danych i API firmowymi, oraz wdrażać rozwiązania w chmurze (AWS/Azure/GCP). Odpowiada za realizację features end-to-end – od prototypu po produkcję. To typowa rola w firmie outsourcingowej, gdzie pracuje się dla jednego klienta, ale w środowisku projektowym.
Brakuje: nie podano wielkości zespołu ani struktury, brak informacji o długości projektu lub możliwości zmiany klienta.
Rola polega na budowaniu aplikacji opartych na generatywnej AI (GenAI) oraz systemów wieloagentowych (multi-agent) dla klienta z branży FMCG. Inżynier będzie projektować potoki RAG, integrować agenty z bazami danych i API firmowymi, oraz wdrażać rozwiązania w chmurze (AWS/Azure/GCP). Odpowiada za realizację features end-to-end – od prototypu po produkcję. To typowa rola w firmie outsourcingowej, gdzie pracuje się dla jednego klienta, ale w środowisku projektowym.
- ✓Praca w 100% zdalna
- ✓Praktyczny projekt w GenAI z użyciem najnowszych technologii (LLM, agenty, RAG)
- ✓Samodzielność i wpływ na architekturę rozwiązań
- ✓Klient z branży FMCG – stabilny, międzynarodowy
- !Wymagana codzienna biegłość w narzędziach AI (Cursor, Copilot) – może oznaczać wysokie oczekiwania co do tempa pracy
- !Znajomość MCP (Model Context Protocol) – dość niszowa, może być wymagana od razu
- !Proces rekrutacyjny: najpierw rozmowa z ITFS (agencja), potem dwie rozmowy z klientem – może być czasochłonny
- •Projektowanie i implementacja aplikacji GenAI w Pythonie z użyciem API LLM (OpenAI, Anthropic, Google) oraz modeli open-source
- •Budowa potoków RAG i procesów agentowych (agentic workflows) z wykorzystaniem frameworków takich jak LangChain, LangGraph, LlamaIndex
- •Integracja agentów z firmowymi bazami danych, API i systemami korporacyjnymi
- •Samodzielne prototypowanie, ewaluacja i wdrażanie rozwiązań w chmurze (AWS/Azure/GCP)
- •Optymalizacja wyników AI – poprawa dokładności, redukcja halucynacji, strojenie wydajności
- •Współpraca z architektami i konsultantami przy podejmowaniu decyzji projektowych
- •Codzienne korzystanie z narzędzi AI do wspomagania programowania (Cursor, Copilot)
Oferta skierowana do developerów z doświadczeniem komercyjnym (Mid).
Inżynier z 3 latami w software/data engineering i minimalnie rokiem praktycznego doświadczenia z LLM, potrafiący samodzielnie zbudować prosty RAG w Pythonie i wdrożyć go na AWS/Azure/GCP.
Osoby bez doświadczenia w LLM/GenAI (wymagane min. rok praktyki) oraz inżynierowie szukający ról czysto backendowych lub data engineering bez elementów AI. Nie dla juniorów (poniżej 3 lat komercyjnego doświadczenia w ogóle).
- ?Jak liczny jest zespół projektowy i jakie są role w zespole?
- ?Czy praca jest na jednym projekcie długoterminowo, czy rotacja?
- ?Jaki jest stosunek pracy z modelami open-source vs komercyjnymi API?
- ?Jak wygląda proces decyzyjny – ile autonomii ma inżynier w wyborze technologii?
- ?Czy są dyżury on-call lub wsparcie produkcyjne po wdrożeniu?
- ?Jakie są oczekiwania co do znajomości MCP – czy to must-have na start, czy do nauki?
- ?Czy istnieje budżet na szkolenia lub konferencje?
- ?Jaki jest harmonogram pracy (elastyczne godziny, strefy czasowe)?
- −Nie podano wielkości zespołu ani struktury
- −Brak informacji o długości projektu lub możliwości zmiany klienta
- −Nie wiadomo, czy są dyżury on-call lub wsparcie produkcyjne
- −Nie określono budżetu szkoleniowego ani możliwości rozwoju
Rozmowa telefoniczna z ITFS (ok. 20 min.) → rozmowa techniczna z przedstawicielem Klienta → rozmowa miękka z przedstawicielem klienta → podjęcie decyzji.
Na poziomie rynkowym
Dane z aktywnych ofert zawierających technologię LLM. Pełne statystyki zarobków →