Роль стоит на стыке бизнеса и разработки: специалист понимает, как реально устроены закупочные процедуры, и собирает решение собственными руками с помощью AI-инструментов, не дожидаясь выделенной команды разработки.
Ключевая ценность — скорость проверки гипотез и качество постановки задачи, а не промышленный код.
Ключевая задача — быстро превращать задачи закупочного блока в работающие AI-автоматизации и прототипы.
Промышленную реализацию подтверждённых решений выполняет продуктовая команда — специалист передаёт ей проверенный работающий прототип и понятные требования.
Обязанности
- разработка и внедрение сквозных AI-автоматизаций под задачи закупок: от ИИ-ассистентов до генераторов документов на базе LLM
- быстрое прототипирование решений (no-code/low-code, API, n8n) для проверки гипотез на реальных данных с доведением до состояния «можно показать заказчику»
- обработка закупочной документации спецификой 44-ФЗ / 223-ФЗ с помощью нейросетей: ТЗ, договоры, коммерческие предложения, реестры
- написание промптов, шаблонов и инструкций, обеспечивающих стабильный результат при работе с неструктурированными данными (сканы, дубли)
- самостоятельная аналитика данных закупок (спенд-анализ, цены, сроки) и перевод бизнес-требований в технические постановки задач
- развёртывание работающих прототипов во внутренней инфраструктуре или контейнерах (Docker, VPS), базовая работа с логами и окружениями
- контроль качества моделей: сбор тестовых выборок, расчёт доли корректных ответов, закладывание архитектуры с учётом ошибок LLM (human-in-the-loop)
- формализация требований, защита решений перед бизнесом и передача подтверждённых прототипов команде разработки для вывода в продуктив.
Требования
- практический опыт создания работающих AI-решений (на больших объемах данных), уверенное владение промпт-инжинирингом и интеграциями по API в области гос.закупок, тендеров, снабжении в крупных компаниях
- опыт в гос.закупках, тендерах или снабжении от 2 лет. Глубокое понимание процессов end-to-end (от потребности до приёмки) и специфики ЭТП
- навык быстрой сборки автоматизаций через no-code/low-code платформы без привязанности к первому варианту решения
- умение работать с «грязными» данными, выгрузками из разных систем, Excel / Google Sheets; базовый SQL для самопроверки гипотез
- способность отличить работающий прототип от сырого демо: знание границ применимости LLM и того, что нельзя выпускать в эксплуатацию
- базовые навыки эксплуатации: запуск сервисов в Docker/VPS, работа с секретами, чтение логов (промышленная разработка и архитектура не требуются)
- системное мышление для самостоятельного поиска точек реального эффекта от внедрения AI и отсечения нерелевантных задач
- сильное техписательство: умение упаковывать сложные решения в понятную бизнесу документацию, схемы и презентации
- ориентация на измеримый результат: способность посчитать эффект автоматизации в часах, деньгах или доле сокращённых ошибок.
Условия
- комфортный современный офис в Москве
- график работы – офис
- ежегодный пересмотр зарплаты, квартальная и годовая премия
- корпоративный спортзал и зоны отдыха
- более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте (для Junior позиций)
- 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
