Мы создаем цифрового помощника для руководителей. Это система, которая анализирует данные, выделяет из всего потока 1-2 самые критичные цели и вовремя сигнализирует о рисках их недостижения. Главная задача продукта — отправлять точные и обоснованные уведомления менеджеру только тогда, когда это действительно важно, и помогать сосредоточиться на ключевых управленческих приоритетах.
О проекте
Система основана на поисковых методах, языковых моделях и нескольких специализированных агентных модулях. Она собирает цифровые следы, оценивает прогресс по целям, обнаруживает риски и рекомендует, куда направить внимание и силы подчиненных. Важная часть работы — качественные цепочки рассуждений, которые объясняют, почему формируется каждое уведомление и откуда взялся вывод.
Вам предстоит
- Спроектировать архитектуру интеллектуальных агентов и связать их с данными, поиском и внутренними сервисами.
- Построить механизм принятия решений: когда отправлять уведомление, почему эта цель важна, чем вызван риск.
- Реализовать рекомендательную подсистему на основе RAG, поиска и цифровых следов.
- Настроить устойчивую автономную работу агентов: поиск данных, рассуждения, формирование аргументации, согласование контекста.
- Подготовить систему к промышленной эксплуатации: тестирование, документация, интеграция, надежность и проверяемость.
- Определить методы оценки качества уведомлений, рекомендаций и рассуждений. Настроить автоматическую проверку
Сложности и вызовы
- Уведомления для руководителей: нулевая толерантность к ложным сигналам и нерелевантным подсказкам.
- Построение цепочки рассуждений, которая даст понятное и достаточное обоснование каждому уведомлению.
- Разнородность данных и разрыв между формулировками целей и фактической информацией.
Мы ожидаем
- Подтвержденный опыт создания AI/ML-продуктов и вывода их в эксплуатацию.
- Архитектурный бэкграунд. Опыт проектирования AI/ML-систем с микросервисной архитектурой. Вы понимаете, как связать Python-модели с Java-бэкендом.
- Глубокое понимание LLM & поиска: практический опыт работы с RAG, векторным поиском, Semantic Search. Понимание ограничений текущих LLM, методов повышения и оценки качества LLM.
- Уверенный Python. Понимание Java (чтение кода, архитектурные паттерны).
- Вы знаете, что такое MLOps/LLMOps, умеете проектировать пайплайны оценки качества (LLM-as-a-Judge) и понимаете цену ошибки в продукте для топ-менеджмента.
- Практический опыт работы с Agile-методологиями, знание инструментов и процессов управления продуктовым беклогом, знание инструментов совместной разработки (Git, Jira и т.п.)
- Умение документировать решения и работать в большой команде.
Плюсом будет
- Опыт разработки собственных агентных решений
- Понимание Java на уровне чтения кода и взаимодействия с бэкендом.
- Опыт построения рекомендательных систем или моделей, работающих с целями.
- Опыт работы со структурами знаний или устранением семантических разрывов.
Условия
- Участие в уникальном и масштабном проекте по развитию AI.
- Комфортный современный офис рядом с м. Кутузовская.
- Формат работы: офис или гибрид по договоренности.
- 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.
- Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров.
- Вознаграждение за рекомендацию друзей в команду Сбера.
