Principal AI Engineer
emagine
To rola wykonawczego lidera technicznego, który projektuje i wdraża zaawansowane systemy AI (RAG, agenty) od koncepcji do produkcji, współpracując bezpośrednio z klientami jako doradca techniczny. Osoba na tym stanowisku łączy silne podstawy inżynierii oprogramowania z praktyczną wiedzą o ML i LLM, działając w ekosystemie chmurowym (AWS/Azure/GCP). Mimo tytułu 'Principal', rola jest głównie techniczna i indywidualna, bez zarządzania zespołem.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak informacji o wielkości zespołu, w którym przyjdzie pracować, nie wiadomo, jakie są branże klientów ani typowe projekty.
To rola wykonawczego lidera technicznego, który projektuje i wdraża zaawansowane systemy AI (RAG, agenty) od koncepcji do produkcji, współpracując bezpośrednio z klientami jako doradca techniczny. Osoba na tym stanowisku łączy silne podstawy inżynierii oprogramowania z praktyczną wiedzą o ML i LLM, działając w ekosystemie chmurowym (AWS/Azure/GCP). Mimo tytułu 'Principal', rola jest głównie techniczna i indywidualna, bez zarządzania zespołem.
- ✓Innowacyjne projekty AI na globalną skalę
- ✓Rola łączy inżynierię z doradztwem – rozwój kompetencji biznesowych
- ✓Nowoczesny stack: LangChain, LLM, chmura, bazy wektorowe
- ✓Autonomia techniczna w projektowaniu i wdrażaniu rozwiązań
- −Firma konsultingowa (emagine) – projekty klienckie mogą oznaczać zmienność i mniejszą stabilność
- !Brak informacji o wielkości zespołu i strukturze projektu
- !Nie określono branży klientów – ryzyko nudnych/legacy projektów
- !Wymóg 'execution-focused' może oznaczać wysoką presję na dostarczanie
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja skalowalnych systemów AI z użyciem RAG i frameworków agentowych (LangChain, LangGraph)
- •Pisanie i refaktoryzacja kodu w Pythonie z naciskiem na architekturę, testowalność i asynchroniczność
- •Doradztwo techniczne dla klientów – przekształcanie nieostrych potrzeb biznesowych w konkretne projekty systemów
- •Budowa warstw danych: łączenie baz relacyjnych, wektorowych (Pinecone, Qdrant) i grafowych (Neo4j)
- •Wdrażanie i operowanie obciążeń AI w chmurze z naciskiem na bezpieczeństwo, skalowalność i koszty
- •Optymalizacja zachowania LLM poprzez strategie promptowania, orkiestrację kontekstu i fine-tuning
- •Utrzymywanie pipeline'ów CI/CD oraz konteneryzacja aplikacji (Docker)
- •Przegląd kodu i prowadzenie techniczne w ramach zespołu projektowego
Oferta dla doświadczonych specjalistów (Senior).
Senior software engineer (4+ lat) z dobrym Pythonem i znajomością chmury, który przerzucił się na AI/ML w produkcji – ma doświadczenie z LangChain i wdrażaniem modeli, ale może brakować mu głębi w optymalizacji LLM czy bazach grafowych.
Juniorzy, osoby szukające stanowiska czysto badawczego (Data Scientist) lub unikające kontaktu z klientem. Nie sprawdzi się też ktoś, kto chce pracować w stabilnym środowisku bez presji czasu – to rola w konsultingu, gdzie projekty są różnorodne i wymagające.
- ?Ile osób liczy zespół projektowy i jak są rozdzielone role?
- ?Czy są preferowane strefy czasowe, czy praca jest w pełni asynchroniczna?
- ?Jak długie są typowe projekty klienckie i czy są przerwy między nimi?
- ?Czy istnieje możliwość podróży do klienta, jeśli zajdzie potrzeba?
- ?Jaki jest budżet na konferencje/szkolenia i dostęp do narzędzi (np. API LLM)?
- ?Czy są jakieś certyfikacje wymagane (np. cloud) i czy firma wspiera ich zdobycie?
- −Brak informacji o wielkości zespołu, w którym przyjdzie pracować
- −Nie wiadomo, jakie są branże klientów ani typowe projekty
- −Brak opisu procesu rekrutacyjnego (ilość etapów, zadania domowe)
- −Nie określono benefitów (urlop, opieka zdrowotna, budżet szkoleniowy)
Zespół jest prawdopodobnie międzynarodowy, zorientowany na projekty, z kulturą opartą na współpracy z klientem i autonomii technicznej. Brak szczegółów w ofercie.