AI Engineer для маркетинговых продуктов

Что за роль

AI Engineer будет разрабатывать и развивать AI-сервисы и продукты для маркетинга — от проверки технического подхода до интеграции в существующую инфраструктуру. В фокусе — AI-копилот, который помогает работать с документами и презентациями, создавать контент, искать и анализировать информацию. Важная часть работы — не только подключение языковых моделей, но и проектирование архитектуры, оценка качества решений и их практическая применимость.

Что предстоит делать

• Создавать AI-сервисы: выбирать подход, собирать прототипы и доводить решения до интеграции с существующими системами.
• Проектировать взаимодействие LLM с инструментами, данными, API и другими сервисами.
• Развивать функции AI-копилота для маркетинга: обработку документов и презентаций, генерацию контента, поиск и анализ информации.
• Изучать новые языковые модели, фреймворки и инструменты, проверять их применимость к задачам продукта.
• Разрабатывать подходы к оценке качества AI-систем, проводить эксперименты и улучшать решения по результатам.
• Участвовать в проектировании архитектуры AI-продуктов и агентных систем.

Что потребуется

• Высшее образование и не менее трёх лет опыта промышленной разработки AI/ML-систем на Python.
• Понимание устройства LLM-систем: inference, управление контекстом, tool/function calling, structured output, caching, embeddings, RAG и agentic workflows.
• Знание system design, интеграционных паттернов, API, очередей, хранилищ и кэширования.
• Практический опыт создания продуктов на базе LLM, интеграции моделей в существующие системы и работы с внутренними и внешними API.
• Опыт с векторным поиском и базами данных, например Elastic, Chroma или Weaviate, а также с LLM serving engines — vLLM, Ollama или SGLang.
• Умение задавать измеримые критерии качества AI-систем и самостоятельно прорабатывать решения при неполных требованиях; важно продуктовое мышление.

Что важно знать

Дополнительным преимуществом будет опыт создания AI-ассистентов, копилотов или агентных систем для B2B и enterprise-сценариев, знакомство с LangGraph, LangChain, LlamaFactory или Unsloth, понимание маркетинговых процессов, публикации, open-source и собственные AI-проекты. В описании указаны гибридный формат и офис в Москве на Кутузовском проспекте, 32. Предусмотрены ежегодный пересмотр зарплаты, годовая премия, расширенный ДМС, корпоративная пенсионная программа, образовательные программы СберУниверситета, спортзал и другие льготы.