О роли
Мы строим внутреннюю AI-платформу компании практически с нуля. Задача — встраивать ИИ в реальные бизнес-процессы (начиная с технической поддержки), а не делать «отдельные игрушки».
Важно: мы ищем инженера, который уже сегодня работает в паре с AI-ассистентами. Если Cursor, Claude Code и Codex для вас — не экзотика, а ежедневный рабочий инструмент, и вы при этом хорошо знаете SOLID/DRY/KISS — давайте знакомиться.
Чем предстоит заниматься
Проектирование и развитие AI-сервисов
- 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.
Что мы ждём от кандидата:
AI-Driven разработка (ключевое)
- Опыт эффективного использования ИИ для ускорения написания кода, генерации тестов и рефакторинга.
- Глубокое понимание фундаментальных принципов проектирования: SOLID, DRY, KISS, SPOT.
- Практический опыт работы с AI-ассистентами и инструментами автоматизации:
- Специализированные IDE и плагины: Cursor, Claude CLI, Codex, Antigravity, OpenCode, Kiro и др.
- LLM-модели для разработки: ChatGPT, Claude, DeepSeek, Kimi, GLM и т.д.
- Понимание, когда ИИ-ассистент ускоряет работу, а когда даёт ошибку — и умение критически проверять сгенерированный код.
- Навык формулировать точные технические задания для AI-моделей (context engineering, спецификации, CLAUDE.md / AGENTS.md).
Грамотность в LLM
- Понимание принципов работы современных LLM: 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.
Работа 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
- 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
- Знание Python на уровне написания скриптов (обработка данных, вызовы API моделей, разбор логов).
- Опыт работы с инструментами автоматизации и интеграций (n8n / Zapier / Make или аналоги).
- 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.
- Опыт работы в техподдержке, ITSM или во внутренних ИТ-сервисах компании.
- Опыт A/B-тестирования и анализа метрик качества (точность, скорость, вовлечённость).
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.
- Формат работы и развитие: возможность выстраивать подходы к работе с LLM, экспериментировать, предлагать и защищать свои решения. Плотное взаимодействие с ИТ-департаментом 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. Готовность рассматривать как кандидатов из офиса, так и удалённый формат.