AI Engineer
Sqope AI
To rola dla inżyniera AI skupionego na budowie produkcyjnych systemów opartych na LLM. Będziesz pracować bezpośrednio z CTO nad strategią i implementacją narzędzia AI do due diligence. Na co dzień tworzysz agentów i pipeline'y z LangChain/LangGraph, zarządzasz kontekstem i retrievalem, hostujesz własne modele, budujesz API FastAPI/Node, oraz konfigurujesz monitoring i bezpieczeństwo. Mimo oznaczenia 'junior', zakres obowiązków odpowiada raczej seniorowi – oczekuje się samodzielności w całym stacku.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: widełki wynagrodzenia, opis procesu rekrutacyjnego.
To rola dla inżyniera AI skupionego na budowie produkcyjnych systemów opartych na LLM. Będziesz pracować bezpośrednio z CTO nad strategią i implementacją narzędzia AI do due diligence. Na co dzień tworzysz agentów i pipeline'y z LangChain/LangGraph, zarządzasz kontekstem i retrievalem, hostujesz własne modele, budujesz API FastAPI/Node, oraz konfigurujesz monitoring i bezpieczeństwo. Mimo oznaczenia 'junior', zakres obowiązków odpowiada raczej seniorowi – oczekuje się samodzielności w całym stacku.
- ✓Możliwość budowania narzędzia od podstaw (greenfield)
- ✓Bezpośredni wpływ na produkt i strategię AI
- ✓Nowoczesny stack AI – szansa na rozwój w najgorętszej dziedzinie
- −Oznaczona jako 'junior', ale wymagania i odpowiedzialność wskazują na seniora – może to sugerować niskie wynagrodzenie lub nierealistyczne oczekiwania
- −Model pracy 'remote for now, eventually hybrid' – nie wiadomo kiedy i na jakich zasadach nastąpi zmiana
- −Brak informacji o wynagrodzeniu i budżecie
- !Bardzo szeroki zakres technologii – ryzyko, że oczekiwania są nadmierne
- !Praca bezpośrednio z CTO w małej spółce córce – mało procesów, dużo chaosu
- !Brak informacji o zespole – możliwa praca w pojedynkę
- !Wiele wymienionych technologii z 'opcjonalnymi' grafami – nie wiadomo, które są kluczowe
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Budowanie agentów, narzędzi i pipeline'ów z użyciem LangChain/LangGraph
- •Implementacja strategii chunkowania, retrievalu hierarchicznego, pamięci konwersacji i odpowiedzi z cytowaniem
- •Wdrażanie i optymalizacja self-hostowanych modeli (vLLM/Ollama/TGI) pod kątem latencji i kosztów
- •Tworzenie wersjonowanych API i mikroserwisów w FastAPI oraz Node/TypeScript z autoryzacją i telemetrią
- •Konfiguracja potoków CI/CD (GitHub Actions/CircleCI) i infrastruktury jako kod (Terraform)
- •Ustawianie ewaluacji offline/online, zestawów złotych odpowiedzi i testów regresyjnych
- •Zarządzanie danymi w PostgreSQL/PGVector, Redis, S3/MinIO oraz implementacja izolacji tenantów
- •Współpraca z CTO przy podejmowaniu decyzji produktowych i architektonicznych
Oferta odpowiednia dla osób na początku kariery w IT.
Developer z co najmniej 1-2 latami praktycznego doświadczenia z Pythonem i FastAPI, który aktywnie uczy się LLM i ma podstawową znajomość Dockera. Gotowy do szybkiego rozwoju w obszarze AI i infrastruktury.
Osoby z mniej niż rokiem doświadczenia w backendzie lub DevOps, ani osoby oczekujące stabilnych, ściśle zdefiniowanych obowiązków – rola wymaga dużej samodzielności i szerokich umiejętności.
- ?Ile osób liczy zespół techniczny Sqope AI?
- ?Jakie są główne wyzwania techniczne, nad którymi będzie pracować pierwsze 3 miesiące?
- ?Czy istnieje już jakaś baza kodu, czy zaczynamy od zera?
- ?Jak wygląda proces decyzyjny – czy CTO podejmuje wszystkie decyzje techniczne?
- ?Jakie są oczekiwania co do dostępności poza standardowymi godzinami (on-call)?
- ?Czy istnieje budżet na szkolenia lub konferencje?
- ?Kiedy planowane jest przejście na hybrydę i ile dni w tygodniu w biurze?
- −Widełki wynagrodzenia
- −Opis procesu rekrutacyjnego
- −Wielkość zespołu
- −Dokładny model pracy (wymiar pracy zdalnej/hybrydowej)
- −Budżet szkoleniowy
Mały, zdalny zespół pod kierownictwem CTO w startupie – atmosfera startupowa, dużo autonomii, ale też presja na wyniki.