Staff Applied AI Engineer (Search & RAG)
Asana
Asana to platforma do współpracy ludzko-AI, a ten zespół (AI Retrieval) buduje systemy wyszukiwania i retrieval-augmented generation (RAG). Rolą Staff Applied AI Engineer jest optymalizacja infrastruktury retrievalowej (OpenSearch/ElasticSearch), poprawa jakości wyszukiwania, redukcja kosztów i opóźnień, a także rozszerzanie możliwości na nowe źródła danych. Praca opiera się na embeddingach, ML i inżynierii wyszukiwania, a nie na rozwijaniu modeli generatywnych – to raczej AI-infrastruktura niż research.
Brakuje: nie podano wielkości zespołu, brak opisu procesu rekrutacyjnego.
Asana to platforma do współpracy ludzko-AI, a ten zespół (AI Retrieval) buduje systemy wyszukiwania i retrieval-augmented generation (RAG). Rolą Staff Applied AI Engineer jest optymalizacja infrastruktury retrievalowej (OpenSearch/ElasticSearch), poprawa jakości wyszukiwania, redukcja kosztów i opóźnień, a także rozszerzanie możliwości na nowe źródła danych. Praca opiera się na embeddingach, ML i inżynierii wyszukiwania, a nie na rozwijaniu modeli generatywnych – to raczej AI-infrastruktura niż research.
- ✓Widełki wynagrodzenia są transparentne i konkurencyjne
- ✓Firma oferuje RSU (equity) oraz budżet na rozwój kariery
- ✓Opis sugeruje autonomię techniczną i realny wpływ na kluczową część produktu Asany (AI + search)
- ✓Praca na nowoczesnym stacku (OpenSearch, embeddingi, ML) bez legacy
- !Rola wymaga obecności w biurze w Warszawie 3 dni w tygodniu – może być ograniczeniem dla osób szukających pełnej zdalności
- !Brak informacji o procesie rekrutacyjnym (etapy, zadanie domowe)
- !Nie podano wielkości zespołu, systemu on-call ani skali infrastruktury
- •Optymalizacja szybkości i kosztów systemu retrievalowego (OpenSearch/ElasticSearch)
- •Poprawa jakości i trafności wyników wyszukiwania dla użytkowników Asany
- •Implementacja wyszukiwania semantycznego i opartego na embeddingach
- •Rozwijanie infrastruktury do zapytań o nowe obiekty Asany i zewnętrzne źródła danych
- •Współpraca z zespołami w Nowym Jorku i Warszawie przy projektach cross-functional
- •Debugowanie i monitorowanie wydajności systemów wyszukiwania w produkcji
- •Eksperymentowanie z nowymi technikami ML w kontekście RAG i wyszukiwania
Oferta dla doświadczonych specjalistów (Senior).
Inżynier z około 5-6 latami doświadczenia, który ma praktykę z OpenSearch/ElasticSearch w produkcji i podstawową wiedzę o embeddingach/ML w kontekście wyszukiwania.
Kandydaci poniżej 5 lat doświadczenia lub bez praktyki z OpenSearch/ElasticSearch. Rola nie jest dla juniorów ani mid-level bez ugruntowanej wiedzy o wyszukiwaniu.
- ?Jak wygląda proces rekrutacyjny – ile etapów, czy jest zadanie domowe?
- ?Ile osób liczy zespół AI Retrieval w Warszawie i NYC?
- ?Czy są dyżury on-call i jak są zorganizowane?
- ?Jakie narzędzia do embeddingów są używane (np. model, framework)?
- ?Jaka jest skala systemu – liczba zapytań/dzień, wolumen danych?
- ?Czy planujecie migrację na inne technologie retrievalowe (np. wektorowe bazy danych)?
- −Nie podano wielkości zespołu
- −Brak opisu procesu rekrutacyjnego
- −Nie wiadomo czy są dyżury on-call
- −Nie określono narzędzi do embeddingów ani konkretnych modeli ML
Zespół jest częścią większej organizacji w Asanie, kładzie nacisk na współpracę między biurami w Warszawie i Nowym Jorku. Opis sugeruje kulturę inżynieryjną z autonomią techniczną i naciskiem na jakość.
Powyżej mediany rynkowej
Dane z aktywnych ofert zawierających technologię AI.