Senior Applied ML Engineer (LLM Agents & Agentic Systems)

Центр практического ИИ — подразделение Сбера, которое занимается сложными AI-проектами на стыке прикладных исследований, инженерии и бизнес-внедрения. Мы работаем с задачами, в которых недостаточно применить готовую модель или собрать быстрый прототип: нужно разобраться в предметной области, проверить подходы, спроектировать решение и довести его до измеримого результата для бизнеса. Актуальный фокус команды — прикладные LLM-агенты, копилоты и агентные системы для автоматизации бизнес-процессов. В таких решениях необходимо проектировать взаимодействие агента с пользователем и внутренними системами, добиваться корректного выбора инструментов, работать с базами знаний, учитывать ограничения домена, стабильно вести диалог в текстовом и голосовом каналах. Мы ищем Senior Applied ML Engineer, который будет самостоятельно вести сложные LLM-проекты: разбираться в бизнес-контексте, формулировать технический подход, выбирать архитектуру, выстраивать оценку качества и отвечать за технический результат проекта. В этой роли важно видеть систему целиком: пользовательский сценарий, данные, архитектуру, интеграции, ограничения и риски. Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него в мессенджере: диалог займет примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали по вашему опыту и ускорить рассмотрение кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим отнестись с пониманием: ваш опыт и участие помогут сделать его удобным и полезным для всех.

• самостоятельно вести разработку LLM-агентов, копилотов и агентных систем для реальных бизнес-процессов: формализовывать задачу, проверять гипотезы, выбирать подход и доводить его до рабочего решения

• проектировать архитектуру и агентную логику решений: обработку запросов, выбор и вызов инструментов, работу с базами знаний и взаимодействие с внутренними системами

• принимать и аргументировать технические решения: выбирать между простыми и более сложными подходами, оценивать их влияние на качество, скорость, стоимость, надежность и сложность поддержки

• выстраивать пайплайн разработки и оценки качества: определять необходимые данные и тестовые сценарии, проектировать evals, проводить эксперименты, анализировать ошибки и находить слабые места в системе

• брать техническое лидерство в сложных задачах: декомпозировать работу, проводить design/code review, помогать команде принимать технические решения и снимать технические блокеры

• находить повторяющиеся паттерны и превращать удачные решения в переиспользуемые компоненты, внутренние инструменты и инженерные практики

• работать на стыке research и engineering: изучать статьи и open-source-решения, проверять новые подходы и применять удачные идеи в рабочих системах

• взаимодействовать с заказчиками, продуктовыми и инженерными командами, согласовывать требования, ограничения и критерии готовности решения, сопровождать его пилотирование и внедрение.

Будет плюсом:

• от 4 лет коммерческого опыта разработки и внедрения ML/NLP-решений

• практический опыт разработки LLM-агентов, RAG-систем, копилотов или других решений на базе LLM, понимание современных архитектурных паттернов, ограничений и критериев качества таких решений

• опыт самостоятельной разработки LLM-решений end-to-end: от понимания бизнес-задачи, определения необходимых данных и выбора архитектуры до выстраивания оценки качества, реализации сервиса, запуска пилота и сопровождения внедрения

• уверенное владение Python и опыт разработки backend-части для ML/LLM-сервисов: интеграции, контейнеризация, базовый CI/CD

• умение работать с неопределенными задачами: переводить бизнес-потребности в технические решения, формулировать гипотезы, выбирать подход, объяснять технические компромиссы и доводить решение до результата

• опыт технического лидерства в сложных задачах: декомпозиции работы, проведения design/code review, помощи менее опытным инженерам и снятия технических блокеров

• способность быстро разбираться в новых статьях, фреймворках и подходах, проверять их применимость на практике и превращать удачные идеи в рабочие решения.

• опыт координации небольшого технического стрима или работы нескольких инженеров над общим проектом

• сильный backend-опыт и умение строить production-grade сервисы

• опыт внедрения ML/LLM-решений в enterprise-контуре: безопасность, доступы, интеграции, мониторинг, SLA и ограничения production-среды.

• комфортный современный офис г. Москва, рядом с метро Кутузовская

• возможность выбрать удобный график – офис/гибрид (с посещением офиса не менее 3х дней в неделю)

• ежегодный пересмотр зарплаты и годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.