Ищем аналитика GenAI-продукта — развивать ИИ-ассистента для массовых RUN-руководителей в банке (Руководителей КПК в КСБ, Руководителей специалистов в ЦКР и т.д.). Мы делаем AI-native систему, которая не просто советует руководителю, а забирает часть его рутины, помогает ему вести регулярные встречи с подчиненными и достигать бизнес-целей.
Предстоит вести сквозные задачи: от заказа развития core-платформы (harness) до проектирования бизнес-свойств и сценариев для GenAI-агентов.
Нам важно системное мышление, самостоятельность и опыт построения клиентских решений на LLM. Если вы умеете превращать неясные запросы в понятные алгоритмы, оценивать эффективность ИИ-решений и говорить на одном языке и с заказчиком, и с разработкой — мы ждем вас.
Используемый стек технологий:
- LangGraph, Langflow
- React
- Java, Spring Boot, Hibernate, Maven
- OpenShift
- PostgreSQL
Обязанности
- трансляция бизнес-потребностей в технические требования к функционалу и логике AI-агентов
- проектирование интеграций: описание взаимодействия агентов с внешними API (входы/выходы, форматы данных, обработка ошибок, таймауты, retry-логика)
- проектирование меж-агентского взаимодействия: оркестрация агентов, передача контекста, приоритизация запросов и сценарии эскалации
- сопровождение до ПРОМ: совместно с промпт-разработчиками доводите требования до готовых промтов, контролируете соответствие промтов исходным бизнес-требованиям и передача системных требований в команду сопровождения
- взаимодействие с заказчиками, менеджментом и командой разработки, обеспечение прозрачности процесса
- исследование рынка и проверка гипотез: быстрая оценка применимости AI-решений под задачу, сравнение подходов (LLM, RAG, инструменты, мультиагентность), подготовка обоснованных рекомендаций
Требования
- уверенный технический бэкграунд: понимание архитектуры веб-систем, REST API, gRPC, форматов данных (JSON, OpenAPI/Swagger, Protobuf), интеграционных паттернов (sync/async, webhooks, очереди)
- понимание AI-концепций на уровне теории либо применения:
- как работают LLM, промпт-инжиниринг, ограничения и «галлюцинации»;
- RAG (retrieval-augmented generation), векторные БД;
- архитектура AI-агентов: инструменты (tools/function calling), оркестрация, мультиагентные сценарии;
- знакомство с LangGraph/LangChain или аналогичными фреймворками.
- понимание, что такое harness (core-платформа для GenAI-агентов) и его составляющих
- умение проектировать логику агентов: сценарии, состояния, ветвления, обработка ошибок, fallback-сценарии
- навыки декомпозиции задач и написания точных, проверяемых технических требований (User Story + критерии приёмки, или спецификации)
- опыт взаимодействия с бизнесом и перевода требований в технические спецификации
- опыт работы с PostgreSQL/SQL (чтение схем, описание маппинга данных)
- умение быстро проверять гипотезы: исследовать рынок AI-решений, оценивать применимость технологии под задачу
Будет плюсом
- понимание Java/React-стека на уровне общения с командой (что реально, а что нет в существующей архитектуре)
- опыт в продуктовых командах, где аналитик сопровождает фичу от идеи до релиза
- опыт написания технических заданий для промпт-разработчиков
- базовые навыки прототипирования (Python/псевдокод/конфигурация) для быстрой проверки гипотез
Условия
- комфортный современный офис
- корпоративный спортзал и зоны отдыха
- уникальная система обучения Сбера для профессионального и карьерного развития
- программа адаптации и помощь руководителя на старте
- расширенный ДМС и льготное страхование для семьи
- 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
- корпоративная пенсионная программа.
