Senior AI Lead

Strategicsiq

Oferta w skrócie

23 000 – 26 000PLN / mies.

🏠ZdalnieTryb pracy

📄B2BKontrakt

⏱️Senior · 3+ latDoświadczenie

LokalizacjaZdalnie

Źródło

JustJoinIT

↗

Aktywna

Opublikowano9 maja 2026

Ostatnio sprawdzono9 maja 2026

Wygasa za9 dni

Otwórz ofertę u źródła

🛠 Wymagane technologie

Dane źródłowe

MML AI Testing RAG QA Embedded Systems engineering

AI Insights

⚠

Tytuł może mylić

To rola starszego inżyniera AI, a nie liniowego lidera – tytuł 'Lead' sugeruje zarządzanie, ale obowiązki są czysto techniczne: budowa i optymalizacja systemów RAG oraz multimodalnych. Rzeczywista praca to samodzielne projektowanie, benchmarkowanie i wdrażanie rozwiązań AI.

Czym naprawdę jest ta rola?Applied AI Engineer

Rola skupia się na budowie i optymalizacji zaawansowanych systemów Retrieval-Augmented Generation (RAG) dla języka polskiego, z naciskiem na multimodalne przetwarzanie danych (audio, obraz, wideo). To stanowisko inżynieryjne – wymaga głębokiej znajomości modeli osadzeń, wyszukiwania wektorowego, benchmarkingu LLM i integracji komponentów multimodalnych. Mimo tytułu 'Lead', opis wskazuje na samodzielną pracę techniczną, bez obowiązków zarządczych. Produkt lub projekt najprawdopodobniej koncentruje się na polskojęzycznych aplikacjach AI.

Plusy

✓Praca nad nowoczesnymi technologiami AI (RAG, multimodalne systemy)
✓Skupienie na języku polskim – niszowa i wartościowa specjalizacja

Na co uważać

!Tytuł 'Lead' nie znajduje odzwierciedlenia w opisie obowiązków – nie wiadomo, czy rola wiąże się z zarządzaniem zespołem
!Brak informacji o wielkości zespołu i strukturze organizacyjnej
!Nie podano konkretnych narzędzi ani frameworków (np. wektorowej bazy danych, modeli LLM)

?Tytuł wskazuje na rolę managerską, ale poziom doświadczenia nie został oznaczony jako Lead/Manager — warto zweryfikować u źródła

Codzienna praca

•Projektowanie i optymalizacja pipeline'ów RAG dla języka polskiego – dobór strategii osadzeń i mechanik wyszukiwania
•Przeprowadzanie benchmarków wydajności systemów LLM – analiza precyzji, recall, latencji i jakości odpowiedzi
•Opracowywanie procesów ingestii danych: segmentacja dokumentów, generowanie metadanych, logika ekstrakcji multimodalnej
•Integracja komponentów audio (speech-to-text), obrazu (OCR) i wideo z głównym pipeline'm
•Tworzenie narzędzi do automatycznej walidacji i ciągłej ewaluacji poprawności systemu
•Współpraca z zespołami DevOps i Data Engineering przy wdrażaniu modeli do produkcji
•Analiza i poprawa zachowania modelu na danych polskojęzycznych
•Dokumentowanie architektury i wyników eksperymentów

Więcej o ofercie

Dla kogo jest ta oferta

Profil idealny

Oferta dla doświadczonych specjalistów (Senior).

Minimum sensowne

Inżynier AI z solidnym doświadczeniem w LLM i RAG (min. 3-4 lata) oraz praktyką w przetwarzaniu polskiego tekstu. Musi swobodnie poruszać się w ekosystemie multimodalnym i umieć tworzyć benchmarki – nawet jeśli brakuje mu 'leadership' experience.

Raczej nie dla

Osoby bez znajomości języka polskiego, juniorzy, inżynierowie szukający roli czysto menedżerskiej lub osoby niezainteresowane pracą z multimodalnymi danymi.

Ocena dopasowania

Junior1/5

Mid2/5

Senior5/5

Hands-on5/5

Architekt3/5

Remote5/5

Enterprise2/5

Pytania do rekrutera

?Jak liczny jest zespół AI i jaka jest struktura – czy są inne osoby o podobnym profilu?
?Czy rola faktycznie wiąże się z obowiązkami liderskimi, czy jest to samodzielne stanowisko inżynieryjne?
?Jakie konkretnie narzędzia i biblioteki są używane (np. wektorowa baza danych, framework do RAG, model LLM)?
?Jaki jest proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
?Czy istnieje możliwość publikacji wyników badań lub open-sourcingu kodu?
?Jakie są plany rozwoju produktu w kontekście multimodalnym?

Brakujące informacje

−Brak informacji o wielkości zespołu i obowiązkach liderskich
−Nie podano konkretnych narzędzi ani frameworków
−Brak opisu procesu rekrutacyjnego
−Nie wiadomo, czy oferta dotyczy produktu własnego firmy czy projektu klienckiego

🔗Podobne oferty