Senior Forward Deployed Engineer, GenAI, Google Cloud
Rola to inżynier wbudowany w klienta (Forward Deployed Engineer), który łączy najnowsze modele AI Google (Gemini, Vertex AI) z rzeczywistymi systemami produkcyjnymi klientów. Nie jest to badacz ani czysty developer – to osoba, która koduje, debuguje i wdraża rozwiązania agentowe (multi-agent, RAG) bezpośrednio w środowisku klienta, rozwiązując problemy integracji, zarządzania stanem i gotowości danych. Pełni też rolę konsultanta technicznego, dostarczając informacje zwrotne do zespołów produktowych Google.
Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji.
Brakuje: nie podano wielkości zespołu ani struktury raportowania, brak informacji o procesie rekrutacyjnym (liczba etapów, zadania).
Rola to inżynier wbudowany w klienta (Forward Deployed Engineer), który łączy najnowsze modele AI Google (Gemini, Vertex AI) z rzeczywistymi systemami produkcyjnymi klientów. Nie jest to badacz ani czysty developer – to osoba, która koduje, debuguje i wdraża rozwiązania agentowe (multi-agent, RAG) bezpośrednio w środowisku klienta, rozwiązując problemy integracji, zarządzania stanem i gotowości danych. Pełni też rolę konsultanta technicznego, dostarczając informacje zwrotne do zespołów produktowych Google.
- ✓Bezpośredni dostęp do zespołów DeepMind i wpływ na roadmapę produktów Google Cloud
- ✓Praca z najnowszymi modelami Gemini i platformą Vertex AI
- ✓Rola łączy inżynierię z konsultingiem – duża różnorodność i autonomia techniczna
- ✓Silna marka Google i stabilność korporacji
- !Nie określono liczby dni w biurze w modelu hybrydowym
- !Nie wiadomo, jak często wymagane są podróże do klientów
- !Brak opisu procesu rekrutacyjnego
- !Potencjalne dyżury on-call nie są wspomniane
- ?Brak jawnych widełek — wynagrodzenie do ustalenia podczas rekrutacji
- •Kodowanie i debugowanie agentowych rozwiązań AI (np. systemy wieloagentowe, serwery protokołu MCP) w Python/TypeScript
- •Architektura i implementacja integracji między produktami AI Google a infrastrukturą klienta (API, legacy systemy, security perimetry)
- •Budowanie pipeline'ów oceny (evaluation pipelines) i frameworków obserwowalności dla systemów agentowych
- •Identyfikacja powtarzalnych wzorców i przeszkód technicznych w stosie AI Google, konwersja na moduły wielokrotnego użytku lub zgłoszenia produktowe
- •Mentoring inżynierów klienta i współtworzenie kodu z zespołami klienckimi
- •Prowadzenie warsztatów technicznych z interesariuszami biznesowymi i zespołami inżynieryjnymi
- •Uruchamianie prototypów i przekształcanie ich w rozwiązania produkcyjne z mierzalnym ROI
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z co najmniej 5 latami doświadczenia w AI/ML, który ma praktykę w uruchamianiu rozwiązań AI na GCP i zna podstawy RAG. Potrafi prowadzić rozmowy techniczne z interesariuszami i ma doświadczenie w integracji z zewnętrznymi systemami.
Nie dla osób bez 5 lat doświadczenia w produkcyjnym AI/ML, które nie lubią pracy bezpośrednio z klientem lub nie mają praktyki w Python/TypeScript. Rola wymaga dużej samodzielności i gotowości do rozwiązywania problemów integracyjnych na miejscu.
- ?Jak wygląda model hybrydowy – ile dni w biurze i czy są ustalone?
- ?Ile klientów obsługuje się jednocześnie i jak długo trwa typowe zaangażowanie?
- ?Czy są dyżury on-call / wsparcie produkcyjne po wdrożeniu?
- ?Jaka jest wielkość zespołu i struktura raportowania?
- ?Jak mierzony jest sukces w tej roli – czy to głównie satysfakcja klienta, czy wdrożenia produkcyjne?
- ?Czy oferowane są akcje Google (equity) jako część wynagrodzenia?
- ?Czy istnieje możliwość pełnej pracy zdalnej w ramach hybrydy?
- ?Jak często zdarzają się podróże i na jak długo?
- −Nie podano wielkości zespołu ani struktury raportowania
- −Brak informacji o procesie rekrutacyjnym (liczba etapów, zadania)
- −Nie wiadomo, czy wymagane są podróże do klientów i w jakim stopniu
- −Brak szczegółów dotyczących on-call i wsparcia produkcyjnego
- −Nie określono budżetu szkoleniowego ani dodatkowych benefitów poza standardowymi
Kultura inżyniersko-konsultingowa: współpraca z klientem, bezpośredni dostęp do badaczy DeepMind, duża autonomia techniczna. Oczekuje się proaktywności i umiejętności przekształcania problemów klientów w ulepszenia produktu.