Senior Artificial Intelligence Specialist
GR8 Tech
Jest to rola inżynierska (nie badawcza), skupiona na budowaniu i utrzymaniu systemów opartych na LLM w produkcji. Będziesz projektować i implementować RAG, chatboty, agentów z tool callingiem oraz integracje z backendem i infrastrukturą ML. Odpowiadasz za całość – od architektury po wsparcie produkcyjne i incydenty. Praca zdalna, end-to-end ownership, nacisk na praktyczne, skalowalne rozwiązania.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: brak opisu procesu rekrutacyjnego (liczba etapów, zadania rekrutacyjne)., nie podano wielkości zespołu ai..
Jest to rola inżynierska (nie badawcza), skupiona na budowaniu i utrzymaniu systemów opartych na LLM w produkcji. Będziesz projektować i implementować RAG, chatboty, agentów z tool callingiem oraz integracje z backendem i infrastrukturą ML. Odpowiadasz za całość – od architektury po wsparcie produkcyjne i incydenty. Praca zdalna, end-to-end ownership, nacisk na praktyczne, skalowalne rozwiązania.
- ✓End-to-end ownership systemów LLM – autonomia techniczna i odpowiedzialność od designu po produkcję.
- ✓20+ dni urlopu, nieograniczone L4, płatny urlop macierzyński/ojcowski – korzystne warunki na B2B.
- ✓Kultura remote-first z dofinansowaniem coworkingu i sprzętu.
- ✓Nacisk na uczenie się: wewnętrzne kursy, programy rozwoju, budżet na benefity (sport, zdrowie, home office, języki).
- ✓Brak mikromanagementu – wprost napisane 'ownership' i 'trust'.
- −Brak konkretnej informacji o dyżurach on-call i ewentualnym wynagrodzeniu za nie (rola zakłada obsługę incydentów produkcyjnych).
- !Szeroki stack technologiczny (LangChain, LangGraph, MCP itp.) – może wskazywać na wiele zależności i zmienność narzędzi.
- !Nie podano wielkości zespołu AI – nie wiadomo, czy będziesz pracować samodzielnie, czy w większym zespole.
- !Opis kultury zawiera dużo haseł (trust, ownership, growth) – warto doprecyzować w rozmowie.
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Projektowanie i implementacja pipeline'ów RAG (ingestia, embedings, retrievel, generacja)
- •Tworzenie chatbotów i asystentów AI z przewidywalnym zachowaniem
- •Implementacja workflow agentowych z tool/function calling
- •Integracja systemów AI z backendem i infrastrukturą ML
- •Projektowanie frameworków ewaluacyjnych dla outputów LLM
- •Monitorowanie zachowania LLM, stanu systemu i kosztów w produkcji
- •Debugowanie i obsługa incydentów produkcyjnych, wdrażanie długoterminowych poprawek
- •Code review, testowanie i utrzymanie standardów inżynieryjnych
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z minimum 3-letnim doświadczeniem w software engineering i co najmniej jednym wdrożonym produkcyjnie systemem LLM (np. chatbot, RAG), znający Python i AWS, gotowy do nauki i pracy z agentami oraz MCP.
Osoby bez doświadczenia w produkcji z LLM, juniorzy, osoby szukające roli czysto badawczej lub skupionej tylko na prompt engineeringu. Rola wymaga zaawansowanych umiejętności inżynieryjnych i operacyjnych.
- ?Ile osób liczy zespół AI i jak jest zorganizowany?
- ?Czy dyżury on-call są rotacyjne i czy są dodatkowo płatne?
- ?Jakie są główne wyzwania produkcyjne w obecnych systemach LLM?
- ?Czy technologia MCP jest już w użyciu produkcyjnym, czy dopiero testowana?
- ?Jaki jest proces oceny jakości odpowiedzi LLM?
- ?Czy istnieją plany dotyczące fine-tuningu modeli open-source?
- ?Jakie są widełki wynagrodzenia B2B?
- ?Jak wygląda proces rekrutacyjny (ile etapów, czy jest zadanie domowe/live coding)?
- −Brak opisu procesu rekrutacyjnego (liczba etapów, zadania rekrutacyjne).
- −Nie podano wielkości zespołu AI.
- −Nie określono konkretnych widełek wynagrodzenia (choć B2B).
- −Brak informacji o harmonogramie dyżurów on-call.
Kultura oparta na zaufaniu, własności i nastawieniu na rozwój. Praca zdalna, ale z naciskiem na współpracę i feedback. Otwartość na eksperymenty i szybkie działanie.