Руководитель AI SDLC выстроит применение AI coding agents в разработке: от аудита текущего процесса и подготовки спецификаций до проверки кода, релиза и модернизации legacy-систем. В зоне ответственности — пилот для команды веб-сервисов, инженерные практики и безопасная интеграция агентов с кодом, документацией и инструментами разработки.

Что предстоит делать

• Аудировать SDLC: описать поток создания ценности от требований до эксплуатации, собрать baseline-метрики из Трекера, Git и CI/CD, найти узкие места и подготовить целевую модель AI SDLC.
• Настроить стандарт входных требований и спецификаций, включая OpenSpec, хранение и версионирование в Яндекс Вики и Git, а также трассируемость от требований до релиза.
• Организовать декомпозицию требований на frontend- и backend-задачи с ревью аналитиком и подготовить инженерную базу знаний CodeBaseMemory.
• Стандартизировать инструкции и skills для агентов на уровне репозиториев и проектов, чтобы воспроизводить практики без зависимости от персональных решений разработчиков.
• Интегрировать агентов с кодом, документацией, Яндекс Вики, Трекером и CI/CD через MCP и аналоги; выстроить цикл planning, implementation, verification, human review и merge.
• Запустить пилот, обучать коллег и определить границы ответственности человека и агента; подключить ИИ к автотестам и code review, настроить quality gates, permissions, защиту secrets и логирование действий.
• Исследовать логистический монолит, восстанавливать бизнес-спецификации по коду, базе данных и хранимым процедурам, добавлять characterization tests и планировать поэтапную миграцию без переписывания системы с нуля.

Что потребуется

• От 7 лет практического опыта в software engineering и опыт в роли Tech Lead, Solution/Software Architect или Engineering Lead.
• Hands-on навыки: готовность самостоятельно разбираться в коде, создавать прототипы, автоматизацию и интеграции, проверять результат.
• Практический опыт применения AI coding agents, например Claude Code, OpenAI Codex, GitHub Copilot/Coding Agent или Cursor.
• Понимание context engineering, agent instructions, skills, tool use, MCP, sandboxing и автоматической верификации.
• Опыт оптимизации SDLC, работы с инженерными метриками и пилотами; глубокая практика CI/CD, автоматизированного тестирования, code review и эксплуатации production-систем.
• Умение формализовать неполные требования и договариваться с аналитиками, разработчиками, QA и бизнесом.

Что важно знать

Будут полезны Python, TypeScript/JavaScript, Vue, PostgreSQL, RabbitMQ и опыт работы с хранимыми процедурами. Дополнительное преимущество — реверс-инжиниринг и модернизация legacy-систем, RAG и базы знаний, внутренние инженерные платформы и практики developer enablement. В описании также указаны этапы отбора: общение с HR, знакомство с руководителем, сбор рекомендаций и оффер.