Мы развиваем систему дистанционного банковского обслуживания физических лиц и платформу электронной коммерции. В двух продуктовых командах работают около 30 человек, планируем рост до 50.
Команды уже используют LLM для разработки и системного анализа, а продакты и дизайнеры экспериментируют с созданием интерфейсов с помощью Claude и Figma.
Следующий шаг — сделать эти практики доступными, воспроизводимыми и эффективными для всех участников продуктового процесса.
Ищем человека, который возьмёт на себя развитие AI-практик и инструментов на всём жизненном цикле продукта: от исследования потребностей и подготовки требований до разработки, тестирования, выпуска и оценки результатов.
Цель роли:
Сократить Time to Market, повысить качество выпускаемых изменений и улучшить экономику продуктовой разработки за счёт системного применения LLM.Вместе с продуктовыми и техническими руководителями вы будете определять, где AI приносит наибольший эффект, внедрять рабочие решения и подтверждать результат метриками.
Наша технологическая среда:
Backend: Java, Spring, Groovy.
Frontend: Flutter, Vue.js.
Среда разработки и инструменты: OpenCode / OpenChamber, Coder, GitLab.
Используемые AI-сервисы и модели: ChatGPT, Kimi, Claude.
Дизайн и прототипирование: Figma и инструменты создания интерфейсов на базе LLM.
Перспективные направления — поиск по внутренним знаниям о продуктах и системах на базе RAG, а также оркестрация работы AI-агентов с участием человека в контрольных точках — Human in the Loop.
Чем предстоит заниматься:
- Развивать программу внедрения AI. Исследовать работу команд, находить потери времени и качества, формировать и приоритизировать инициативы по ожидаемому эффекту, стоимости и сложности внедрения.
- Внедрять сценарии на всём SDLC. Помогать продактам проверять гипотезы, аналитикам готовить требования и оценивать влияние изменений, дизайнерам создавать прототипы, разработчикам писать и проверять код, QA — готовить и выполнять проверки.
- Организовать доступную рабочую среду. Совместно с инфраструктурной командой и ИБ решать вопросы доступа, учётных записей, моделей, лимитов и интеграций. Сделать подключение нового сотрудника к AI-инструментам понятным и быстрым.
- Выбирать и оценивать инструменты. Сравнивать модели и решения на реальных задачах наших команд: по качеству, полной стоимости выполнения задачи, скорости и ограничениям использования.
- Создавать повторно используемые практики. Развивать инструкции для агентов, шаблоны контекста, навыки, типовые сценарии и критерии проверки результатов. Обеспечивать их актуальность и версионирование.
- Обучать команды. Оценивать навыки сотрудников, проводить практические занятия на рабочих задачах, сопровождать внедрение и развивать внутренних экспертов в каждой команде.
- Развивать работу с внутренними знаниями. Определять источники и владельцев информации для RAG, требования к актуальности, разграничению доступа и качеству ответов со ссылками на первоисточники.
- Внедрять управляемые агентные процессы. Проектировать последовательности работы агентов и сотрудников: передачу контекста, проверки, согласования, обработку ошибок, журналирование и восстановление после сбоев.
- Обеспечивать качество и контролируемость. Совместно с техническими руководителями и ИБ определять допустимые данные, права агентов и обязательные проверки перед включением результата в продукт.
- Измерять эффект. Отслеживать сроки, трудозатраты, доработки, дефекты и затраты на AI. Масштабировать работающие решения и прекращать эксперименты, которые не дают подтверждённой пользы.
Что мы ожидаем:
- Опыт разработки и внедрения программных продуктов, понимание полного SDLC.
- Опыт работы в роли технического лидера, engineering manager, архитектора или руководителя инженерных изменений.
- Практический опыт использования LLM и coding agents в реальных проектах: работа с репозиториями, контекстом, инструментами, тестами и проверкой результатов.
- Способность самостоятельно собрать прототип интеграции, разобраться в коде и CI/CD, воспроизвести проблему и обсудить решение с разработчиками.
- Понимание архитектуры корпоративных приложений; уверенное знание одного из основных стеков разработки и способность работать с нашей технологической средой.
- Умение внедрять изменения через обучение, совместную работу и измеримый результат.
- Навыки оценки эффективности: построение исходных метрик, постановка экспериментов, расчёт затрат и интерпретация результатов.
- Умение взаимодействовать с продактами, аналитиками, дизайнерами, разработчиками, QA, инфраструктурой и ИБ.
Будет преимуществом
- Опыт в банковских продуктах, финтехе или электронной коммерции.
Знакомство с Coder, GitLab, OpenCode / OpenChamber. - Практика создания RAG-систем и оценки качества поиска и ответов.
- Опыт оркестрации агентов и процессов Human in the Loop.
- Опыт работы с дизайн-системами и переноса AI-прототипов в промышленный frontend.
- Примеры внедрений с подтверждённым влиянием на сроки, качество или стоимость разработки.
Что мы предлагаем:
- Оформление: Оформление по ТК с первого дня работы.
- Достойное вознаграждение: Конкурентный оклад + ежеквартальная премия по результатам KPI.
- Развитие: Бесплатное обучение, тренинги, опытные наставники;
- Комфорт: Удобный график 5/2 (пятница – сокращенный день), корпоративная библиотека, ДМС(после испытательного срока). Предоставляется техника для работы.
- Команда: Дружный коллектив и поддержка опытного руководителя.
