Чем предстоит заниматься:
- Проектирование и развитие AI-сервисов (чат-ботов, ассистентов)
- Разрабатывать внутренние AI-сервисы на базе LLM для разных процессов компании, начиная с технической поддержки.
- Встраивать ИИ в существующие бизнес-процессы, а не делать “отдельные игрушки”.
- Настройка поведения ботов
- Определять роль бота, тон общения, рамки ответственности и границы “что бот делает / не делает”.
- Прорабатывать сценарии уточняющих вопросов, эскалации на человека и логики завершения диалога.
- Работа с промптами и сценариями
- Создавать и поддерживать системные и пользовательские промпты (system / user).
- Тестировать разные подходы к промптингу, сравнивать результаты и фиксировать удачные решения.
- Работа с базой знаний
- Подключать регламенты, инструкции и другие источники знаний к ИИ-сервисам.
- Обеспечивать, чтобы бот опирался на актуальную, корректную и согласованную с владельцами контента информацию.
- Взаимодействие с интеграциями (n8n, Planfix, Teams и др.)
- Проектировать цепочки: какие данные передаются в модель и что она должна вернуть обратно в сервисы.
- Участвовать в отладке end-to-end сценариев совместно с инженером интеграций.
- Контроль качества и улучшения
- Анализировать неудачные ответы бота и разбирать причины (данные, промпт, сценарий).
- Предлагать и внедрять улучшения, вести набор тест-кейсов (типовые запросы, “краевые” случаи).
- Документация и обучение коллег
- Описывать логику работы каждого ИИ-сервиса: сценарии, ограничения, известные особенности.
- Помогать сотрудникам понимать, как правильно пользоваться ботами и формулировать запросы.
- Базовая техническая и концептуальная грамотность в LLM
- Понимание принципов работы современных LLM (ChatGPT-подобные модели): контекст, токены, temperature/top_p, ограничения.
- Осознание сильных и слабых сторон генеративных моделей в прикладных задачах.
- Практический опыт работы с LLM
- Реальный опыт использования моделей: генерация текстов, ответы на вопросы, разбор кейсов.
- Умение формулировать промпты под бизнес-задачу и улучшать качество ответов итерациями.
- Навыки работы с данными и структурой информации
- Понимание JSON и простых структур данных (ключи, поля, объекты).
- Базовое понимание, как устроены базы знаний, FAQ и регламенты, и как ими пользуются люди.
- Коммуникация с бизнес-пользователями
- Умение задавать правильные уточняющие вопросы, чтобы вытащить суть задачи.
- Способность переводить “хотим умного бота” в конкретные сценарии и требования.
- Личностные качества для этой роли
- Внимательность к деталям, аккуратность в фиксации настроек и версий промптов.
- Готовность экспериментировать, но при этом мыслить системно и доводить решения до рабочего состояния.
Будет плюсом
- Технические навыки
- Знание Python на уровне написания простых скриптов (обработка данных, вызовы API моделей, разбор логов).
- Опыт работы с инструментами автоматизации и интеграций (n8n / Zapier / Make или аналоги).
- Работа с базами знаний и IT-инфраструктурой
- Опыт использования систем задач (Planfix, Jira и т.п.) и баз знаний (Notion, Confluence, Wiki).
- Понимание RAG-подхода: как искать релевантные документы и подмешивать их в контекст модели.
- Доменный опыт
- Опыт работы в техподдержке, ITSM или во внутренних ИТ-сервисах компании.
- Опыт участия в продуктовых командах, где важно качество пользовательского опыта и скорости реакции.
- Аналитика и продуктовый подход
- Опыт A/B-тестирования и анализа метрик качества (точность, скорость, вовлечённость).
- Навык работы с обратной связью пользователей и превращения её в конкретные изменения продукта.
Условия:
- Роль и влияние
- Участие в создании внутренней AI-платформы компании практически с нуля, без тяжёлого легаси.
- Прямое влияние на работу техподдержки и других процессов: результаты видно в скорости и качестве сервиса.
- Формат работы и развитие
- Возможность выстраивать подходы к работе с LLM: экспериментировать, предлагать и защищать свои решения.
- Плотное взаимодействие с ИТ-департаментом, системными администраторами и бизнес-заказчиками.
- Рост и обучение
- Доступ к экспериментам с разными моделями и стеком инструментов (облако/on-prem, интеграции, базы знаний).
- Возможность развиваться как в сторону глубже в ML/инженерию, так и в сторону продуктовой роли/архитектора ИИ-сервисов.
- Компенсация и формат
- Уровень дохода, формат работы и детали пакета обсуждаем индивидуально, с ориентацией на твой уровень и рынок.
- Готовность рассматривать как кандидатов из офиса, так и частично удалённый формат (если это не противоречит политике компании).