Проект крупного Банка - ТОП3 - Центр Корпоративных Решений. Отвечаем за все виды удаленного обслуживания юридических лиц.
Мы объединяем несколько контактных центров по всей стране, общей численностью более 5000 человек. В команде более чем 150 ИТ специалистов, которые создают новые технологические решения, используя при этом все современные инженерные практики. Создаем AI-клиента, который будет обучать и проверять операторов контактного центра, с потенциалом развития для проверки и тестирования продуктовых ИИ-агентов
Твои задачи:
- Проектировать ролевые модели: разрабатывать системные промпты для имитации диалога «клиент — оператор» с учетом заданных параметров (Tone of Voice, эмоциональное состояние, контекст)
- Создавать систему поддержки и оценки: разрабатывать алгоритмы выдачи подсказок оператору в реальном времени и генерировать развернутую обратную связь по Hard & Soft Skills на основе анализа диалога
- Разработать Copilot для сценаристов: создать инструмент на базе GigaChat для автоматической генерации обучающих сценариев по запросу пользователя
- Интегрировать RAG: обеспечить связь LLM с внутренней базой знаний для гарантии фактологической точности симуляций и автоматически верифицировать ответы операторов по продуктовой линейке
- Диагностировать зоны роста: разработать методологию выявления «западающих» компетенций операторов на основе кластеризации ошибок и анализа результатов работы в линии
- Персонализировать обучение: формировать рекомендации по дообучению сотрудников на основе выявленных пробелов в знаниях и навыках.
- Спроектировать кастомный движок диалогов: осуществить переход от использования готовых конструкторов (Skillflow) к собственной агентской архитектуре для повышения гибкости управления диалогом
- Оптимизировать пайплайн: упростить процессы запуска и ведения сценариев через прямую интеграцию с API GigaChat, что обеспечит более высокую стабильность и управляемость симуляций
Что мы ждем от тебя:
- Уверенный Python
- Опыт с LLM Expert: глубокое понимание работы LLM, опыт работы с API (GigaChat) и продвинутые навыки промпт-инжиниринга (Few-shot, CoT, ReAct)
- Навыки промпт-инжиниринга
- Опыт с RAG и Agentic Frameworks: понимание, как строить мультиагентные системы и подключать внешние источники знаний
- Умение получать от моделей предсказуемый результат для интеграции в бизнес-логику
- Опыт с аналитическим стеком: базовые знания ML (кластеризация, NLP) для анализа эффективности обучения
